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具与流程。
主要能力:文本提取(用 pandoc 转 markdown,支持 --track-changes=accept/reject/all 显示修订);原始 XML 访问(处理批注、复杂格式、文档结构、嵌入媒体与元数据);用 docx-js 从零创建文档;用 Document 库编辑现有文档;对他人或正式文档采用修订(redlining)流程,分批 3-10 处修改并保留未变文本的 RSID;将文档转为图片做可视化分析。
使用方式:解包与打包用 python ooxml/scripts/unpack.py <office_file> <output_directory> 和 python ooxml/scripts/pack.py <input_directory> <office_file>。创建新文档前须完整阅读 docx-js.md,用 Document、Paragraph、TextRun 组件编写 JS/TS,并以 Packer.toBuffer() 导出。编辑现有文档前须完整阅读 ooxml.md,解包后编写 Python 脚本操作,再打包。修订流程开始前须阅读 references/redlining-workflow.md。转图片:soffice --headless --convert-to pdf document.docx,再 pdftoppm -jpeg -r 150 document.pdf page。
依赖:pandoc、docx(npm install -g docx)、LibreOffice、Poppler、defusedxml。
限制:资料未提供收费、平台与效果信息;具体语法与规则以对应参考文件为准。