docx

用途：创建、编辑和分析 .docx 文件。.docx 本质是包含 XML 与资源的 ZIP 包，可按需读取或修改。\n\n主要能力：文本提取与结构保留、原始 XML 访问（批注、复杂格式、嵌入媒体、元数据）、新建 Word 文档、编辑既有文档、以修订形式（tracked changes）实施变更、将文档转为图片进行视觉分析。\n\n使用方式：仅读取文本时用 pandoc 转 markdown，如 pandoc --track-changes=all path-to-file.docx -o output.md，可选 accept/reject/all。需要 XML 时先解包：python ooxml/scripts/unpack.py <office_file> <output_directory>；关键文件包括 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，且必须先完整阅读 docx-js.md 再创建。编辑既有文档使用 Python Document 库，先完整阅读 ooxml.md，再解包、编写并运行脚本，最后打包：python ooxml/scripts/pack.py <input_directory> <office_file>。审阅他人或法律、学术、商业、政府文档建议或必须走 Redlining 工作流，按每批 3-10 处变更分批实现，仅标记实际改动并保留未变文本的原始 RSID；完成后可再次转 markdown 并 grep 校验。转为图片：soffice --headless --convert-to pdf document.docx，再 pdftoppm -jpeg -r 150 document.pdf page，可用 -f/-l 指定页范围。\n\n依赖：pandoc、docx（npm install -g docx）、LibreOffice、Poppler、defusedxml。限制：具体价格、平台与效果资料暂未提供。