用途 该技能用于创建、编辑和分析 .docx 文档。资料将 .docx 描述为一个本质上包含 XML 文件和其他资源的 ZIP 归档，可读取和编辑，并针对不同任务提供了不同的工具和工作流。
主要能力
- 读取与分析内容：若只需读取文字内容，可用 pandoc 将文档转为 markdown，保留文档结构并显示修订，命令为：pandoc --track-changes=all path-to-file.docx -o output.md，其中 --track-changes 可选 accept/reject/all。
- 原始 XML 访问：针对批注、复杂格式、文档结构、嵌入媒体和元数据，需要解包文档并读取原始 XML。解包命令：python ooxml/scripts/unpack.py <office_file> <output_directory>。关键文件结构包括 word/document.xml（主文档内容）、word/comments.xml（document.xml 中引用的批注）、word/media/（嵌入图片与媒体），修订使用 <w:ins>（插入）和 <w:del>（删除）标签。
- 创建新 Word 文档：从零创建时使用 docx-js，可用 JavaScript/TypeScript 创建 Word 文档。流程要求完整阅读 docx-js.md（约 500 行），不得设置读取范围限制；使用 Document、Paragraph、TextRun 组件编写 JavaScript/TypeScript 文件；通过 Packer.toBuffer() 导出为 .docx。
- 编辑既有 Word 文档：使用 Document 库（用于 OOXML 操作的 Python 库），自动处理基础设施搭建并提供文档操作方法；复杂场景可直接访问底层 DOM。流程要求完整阅读 ooxml.md（约 600 行），不得设置读取范围限制；执行解包命令；编写并运行使用 Document 库的 Python 脚本；最后执行打包命令：python ooxml/scripts/pack.py <input_directory> <office_file>。
- 文档审校的红线（Redlining）工作流：先用 markdown 规划完整的修订，再在 OOXML 中实现。要点包括：批量策略将相关改动分为 3-10 个一组，便于调试并保持效率，每组测试后再继续；遵循最小、精确编辑原则，仅标记实际变化的文本，将替换拆分为[未变文本]+[删除]+[插入]+[未变文本]，并通过提取原始 <w:r> 元素复用未变文本的 RSID。资料给出了将“30 days”改为“60 days”的正确与错误示例。 文本修订的操作流程：
- 获取 markdown 表示：pandoc --track-changes=all path-to-file.docx -o current.md
- 识别并分组改动，并给出定位方法：章节/标题编号（如“Section 3.2”“Article IV”）、编号段落标识符、带唯一上下文文本的 grep 模式、文档结构（如“first paragraph”“signature block”）；不得使用 markdown 行号，因为它们不映射到 XML 结构。
- 批量组织方式：按章节、按类型、按复杂度（先简单文本替换再复杂结构改动）、按顺序（如 Pages 1-3、Pages 4-6），每组 3-10 个相关改动。
- 阅读文档并解包：完整阅读 ooxml.md（约 600 行），重点关注“Document Library”和“Tracked Change Patterns”部分；解包命令：python ooxml/scripts/unpack.py <file.docx> <dir>；注意解包脚本会建议用于修订的 RSID，需复制该 RSID 用于实现。
- 分批量实现改动：按逻辑分组并在单个脚本中一起实现；在每批相关改动中，a. 在 word/document.xml 中 grep 文本以确认文本如何拆分到 <w:r> 元素，b. 使用 get_node 查找节点、实现改动并 doc.save()。注意在写脚本前立即 grep word/document.xml 以获取当前行号并验证文本内容，因为每次脚本运行后行号会变化。
- 打包文档：python ooxml/scripts/pack.py unpacked reviewed-document.docx
- 最终验证：将文档转 markdown 后检查，如 pandoc --track-changes=all reviewed-document.docx -o verification.md；使用 grep 确认原短语不存在、替换短语存在，并检查没有引入意外改动。
- 将文档转换为图像：两步流程，先用 soffice --headless --convert-to pdf document.docx 将 DOCX 转 PDF，再用 pdftoppm -jpeg -r 150 document.pdf page 将 PDF 页转为 JPEG，生成 page-1.jpg、page-2.jpg 等。可选参数包括 -r 150 设置分辨率、-jpeg 输出格式（可用 -png）、-f N 起始页、-l N 结束页、page 输出文件前缀；示例：pdftoppm -jpeg -r 150 -f 2 -l 5 document.pdf page 只转换第 2-5 页。
使用方式与代码风格 资料要求生成 DOCX 操作代码时编写简洁代码，避免冗长变量名和冗余操作，避免不必要的 print 语句。
依赖 所需依赖（如不可用则安装）：pandoc：sudo apt-get install pandoc（用于文本提取）；docx：npm install -g docx（用于创建新文档）；LibreOffice：sudo apt-get install libreoffice（用于 PDF 转换）；Poppler：sudo apt-get install poppler-utils（用于 pdftoppm 将 PDF 转图像）；defusedxml：pip install defusedxml（用于安全 XML 解析）。
适用场景 资料涉及的场景包括：文档创建、编辑与分析；读取与文字提取；处理批注、复杂格式、文档结构和嵌入媒体；创建新 Word 文档；编辑既有文档；法律、学术、商业或政府文档的审校（资料指明此类文档必须使用 Redlining 工作流，他人文档推荐默认使用该工作流）；将 Word 文档转为图像以进行可视化分析。
限制与暂未提供 资料未提供收费、价格、平台支持范围、性能或效果保证等信息。关于具体调用入口、授权方式、并发限制、文件大小上限、支持的具体 .docx 版本等，资料暂未提供。