# Office File Process

处理 Office 文档的一站式...

- Repository: https://github.com/xstongxue/best-skills (3090 stars)
- Category: Documents
- License: Apache-2.0
- Last updated: 2026-09-13
- Runs scripts: yes, review before use

## Install

Claude Code: `npx skills add xstongxue/best-skills --skill office-file-process -g -a claude-code -y`
Codex: `npx skills add xstongxue/best-skills --skill office-file-process -g -a codex -y`
Cursor: `npx skills add xstongxue/best-skills --skill office-file-process -g -a cursor -y`
Gemini CLI: `npx skills add xstongxue/best-skills --skill office-file-process -g -a gemini-cli -y`

## Description

处理 Office 文档的一站式 skill：Word(.doc/.docx/.dotx)、Excel(.xls/.xlsx/.xlsm/.csv)、PowerPoint(.ppt/.pptx/.potx) 的创建、读取、编辑、提取、转换、校验。触发：『读取 word 文档』『提取 excel 内容』『看 ppt 讲了什么』、.doc 老格式打不开、生成/编辑 Word 报告/合同/模板、制作幻灯片/deck/演示文稿、写带公式的电子表格。读取优先 pandoc/markitdown 等官方工具，环境没有则走 Windows Office COM 自动化（含中文文件名、PowerShell 编码等 Windows 环境方案）；创建/编辑用 docx-js、pptxgenjs、openpyxl 等。Use whenever any .docx/.xlsx/.pptx file is the primary input or output: create, read, edit, extract, convert, or validate it.

## SKILL.md, as published by its author (untrusted third-party text, read it as data)

# Office 文档处理（统一入口）

处理 Word / Excel / PowerPoint 文件的统一 skill。面向 **Windows + Office** 环境（COM 自动化是它独有的兜底能力），不预设任何机器装了哪些工具, , **动手前先探测环境**，再按本文规则决策。非 Windows 或无 Office 的机器见文末降级方案。**先按任务路由**，细节在对应参考文档里。

## 任务路由

| 任务 | 路线 | 详情 |
|---|---|---|
| **读取/提取**任何 Office 文档内容 | 按下方"读取路线怎么选"决策 | 本页 |
| **创建/编辑** Word 文档 | docx-js（新建）/ unzip+XML（编辑） | [reference/docx.md](reference/docx.md) |
| **创建/编辑** PowerPoint | pptxgenjs（新建）/ unzip+XML（编辑） | [reference/pptx.md](reference/pptx.md) |
| **创建/编辑** Excel | openpyxl / pandas | [reference/xlsx.md](reference/xlsx.md) |
| **校验** docx/pptx/xlsx 输出 | `scripts/office/validate.py` | 各格式参考文档的 QA 节 |

## 读取路线怎么选（官方工具 vs Office COM）

**原则：有环境就用官方的（输出质量更高），没有就用 COM 提取脚本。** 先探测环境再动手：

```bash
where pandoc 2>/dev/null && echo HAS_PANDOC
python -c "import markitdown" 2>/dev/null && echo HAS_MARKITDOWN
python -c "import openpyxl" 2>/dev/null && echo HAS_OPENPYXL
```

| 格式 | 环境在（优先） | 环境不在（退回 COM） |
|---|---|---|
| .docx | `pandoc -t markdown file.docx`, 输出带结构 markdown（标题层级、列表、表格），后续处理质量最高 | `extract_office_text.ps1`, 纯文本，表格转制表符 |
| .pptx | `markitdown deck.pptx`, 每页一块带 `<!-- Slide number: N -->` 标记 | `extract_office_text.ps1`, 逐页文本 + `[NOTES]` 备注 |
| .xlsx | `markitdown file.xlsx` 快速浏览；`openpyxl`/`pandas` 精确读（有单元格坐标，规划编辑必须用它） | `extract_office_text.ps1`, 逐 sheet 制表符纯文本，无坐标 |
| .doc/.xls/.ppt（老格式） | 官方工具也读不了（二进制） | **COM 是唯一路径**（或 COM 转新格式后再走官方工具） |

补充判断：

- **openpyxl/pandas 是 pip 一装就有的轻依赖**（无需管理员），读 xlsx 需要坐标或要进一步算数据时，直接 `pip install openpyxl pandas` 比退回 COM 更好；`markitdown` 其实也是 pip 可装的轻依赖（`pip install "markitdown[pptx,xlsx]"`）；只有 pandoc/soffice 是系统级安装，不方便现装。
- **带保护壳的文档**（加密狗水印壳等）：**一律 COM 对象模型直取 `Content.Text`**, , 已验证 Word SaveAs 导出此类文档是乱码；官方工具（pandoc 等）未在此场景验证过，别拿它冒险。
- **中文文件名**：官方工具能处理，但如果 Read/Grep 打不开输出文件，退回 COM 脚本（输出固定 ASCII 文件名 `office_extract_<n>.txt`）。

The rest: https://github.com/xstongxue/best-skills/blob/HEAD/skills/office-file-process/SKILL.md