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,可按任务选择不同工作流。
主要能力:新建文档(用 docx-js 以 JavaScript/TypeScript 生成,经 Packer.toBuffer() 导出);编辑现有文档(用 Python Document 库操作 OOXML,复杂场景可直接访问 DOM);审阅修订(redlining,用 <w:ins>/<w:del> 标记增删,保留未变文本的原始 RSID,按 3-10 处一批实施);文本提取(pandoc --track-changes=all path-to-file.docx -o output.md);原始 XML 访问(评论、复杂格式、结构、媒体、元数据);文档转图片(soffice --headless --convert-to pdf document.docx,再 pdftoppm -jpeg -r 150 document.pdf page)。
使用方式:读取/分析用 pandoc 或解包 XML;新建先完整阅读 docx-js.md;编辑先完整阅读 ooxml.md,再解包 python ooxml/Scripts/unpack.py <office_file> <output_directory>,编写脚本后打包 python ooxml/Scripts/pack.py <input_directory> <office_file>。修订流程需先转 markdown 定位改动、分批实施、最后用 pandoc 验证。
适用场景:专业、法律、学术、商业或政府文档;需要保留格式、跟踪修订或维护文档完整性时。
限制:依赖 pandoc、docx、LibreOffice、Poppler、defusedxml 等外部工具;修订需按批次系统实施,不能使用 markdown 行号定位 XML;资料未提供收费、价格或平台信息。