用途:处理 .docx 文件的创建、编辑与内容分析。.docx 本质是包含 XML 的 ZIP 归档,可读取或修改。
主要能力 读取/分析:用 pandoc 转 markdown,pandoc --track-changes=all path-to-file.docx -o output.md(选项 accept/reject/all);需要批注、复杂格式、文档结构、嵌入媒体与元数据时,解包读取原始 XML,命令 python ooxml/scripts/unpack.py <office_file> <output_directory>。关键结构含 word/document.xml、word/comments.xml、word/media/,修订使用 <w:ins> 与 <w:del> 标签。 新建文档:使用 docx-js,用 Document、Paragraph、TextRun 等组件,经 Packer.toBuffer() 导出为 .docx。 编辑现有文档:使用 Document 库操作 OOXML,流程为解包、编写并运行 Python 脚本、再打包 python ooxml/scripts/pack.py <input_directory> <office_file>。 红线审阅:先转为 markdown 规划变更,按 3-10 项分批实现,仅标记真正变化的最小片段,保留未改动文本的原始 run 与 RSID;批次可按章节、类型或位置划分;完成后打包并转 markdown 校验。
适用场景:法律、学术、商业与政府文档审阅及他人文档编辑建议采用红线流程;自己的文档与简单修改可用基础 OOXML 编辑。
限制与依赖:需安装 pandoc、docx(npm install -g docx)、LibreOffice、Poppler、defusedxml;转为图片需先 soffice --headless --convert-to pdf,再 pdftoppm -jpeg -r 150。其他细节暂未提供。