重要: 所有 scripts/ 路径均相对于本技能目录。 运行方式: cd {this_skill_dir} && python scripts/... 或使用 execute_shell_command 的 cwd 参数。

DOCX 创建、编辑与分析

前置依赖

• docx (npm install -g docx): 新文档创建
• LibreOffice (soffice): .doc -> .docx 转换、修订接受和 PDF 导出
• pandoc: 文本提取
• pdftoppm (poppler-utils): 文档转图片工作流
• 如果 pdftoppm 不可用，Python 备用路径可能使用 pdf2image。
• 在 Windows 上，依赖项必须已安装并在 PATH 中可用；如缺失，请报告依赖问题并停止（不要反复重试）。

概述

.docx 文件是包含 XML 文件的 ZIP 压缩包。

快速参考

任务	方法
读取/分析内容	pandoc 或解压获取原始 XML
创建新文档	使用 docx-js - 参见下方"创建新文档"
编辑现有文档	解压 → 编辑 XML → 重新打包 - 参见下方"编辑现有文档"

将 .doc 转换为 .docx

旧版 .doc 文件必须先转换才能编辑:

python scripts/office/soffice.py --headless --convert-to docx document.doc

读取内容

# 提取包含修订的文本
pandoc --track-changes=all document.docx -o output.md

# 访问原始 XML
python scripts/office/unpack.py document.docx unpacked/

转换为图片

python scripts/office/soffice.py --headless --convert-to pdf document.docx
pdftoppm -jpeg -r 150 document.pdf page

接受修订

生成接受所有修订后的干净文档（需要 LibreOffice）:

python scripts/accept_changes.py input.docx output.docx

---

创建新文档

使用 JavaScript 生成 .docx 文件，然后进行验证。安装: npm install -g docx

初始设置

const { Document, Packer, Paragraph, TextRun, Table, TableRow, TableCell, ImageRun,
        Header, Footer, AlignmentType, PageOrientation, LevelFormat, ExternalHyperlink,
        TableOfContents, HeadingLevel, BorderStyle, WidthType, ShadingType,
        VerticalAlign, PageNumber, PageBreak } = require('docx');

const doc = new Document({ sections: [{ children: [/* content */] }] });
Packer.toBuffer(doc).then(buffer => fs.writeFileSync("doc.docx", buffer));

验证

创建文件后进行验证。如果验证失败，解压、修复 XML 并重新打包。

python scripts/office/validate.py doc.docx

页面尺寸