用途:该技能面向 .docx 文件的创建、读取、编辑与分析。资料说明 .docx 本质是包含 XML 文件的 ZIP 压缩包,因此可按“解包—编辑 XML—重新打包”的方式处理现有文档,或用 JavaScript 库从零生成新文档。
主要能力与用法:读取或分析内容时,可用 pandoc 提取文本(pandoc --track-changes=all document.docx -o output.md),或用 python scripts/office/unpack.py document.docx unpacked/ 获取原始 XML。新建文档使用 docx-js 库,先 npm install -g docx,再用 Document、Packer 等构件生成,最后用 python scripts/office/validate.py doc.docx 校验;校验失败可解包、修 XML、再打包。编辑现有文档分三步:解包、编辑 unpacked/word/ 下的 XML、用 python scripts/office/pack.py unpacked/ output.docx --original document.docx 打包。旧版 .doc 需先经 python scripts/office/soffice.py --headless --convert-to docx document.doc 转换。接受全部修订可用 python scripts/accept_changes.py input.docx output.docx(需 LibreOffice)。转换为图片则先转 PDF 再 pdftoppm -jpeg -r 150 document.pdf page。批注可用 python scripts/comment.py 添加。
适用场景:需要批量生成 Word 文档、修改既有文档 XML、处理修订与批注、转换格式或提取文本时。
限制与注意事项:docx-js 默认页面为 A4,需显式设置页面尺寸(美式信纸为 12240 x 15840 DXA);表格须同时设置 columnWidths 与单元格宽度,并使用 DXA 而非百分比;列表须用 LevelFormat.BULLET 而非 Unicode 符号;PageBreak 必须在 Paragraph 内;图片需指定 type。修订编辑时替换整个 <w:r> 元素,并保留原 <w:rPr> 格式;删除段落内容时还需在 <w:pPr><w:rPr> 内加 <w:del/>。自动修复无法处理格式错误、非法嵌套、缺失关系和架构违规。费用、价格、平台限制等资料未提供。