用途 该技能面向 Word(DOCX)文档的读取与生成,目标是在处理过程中保持正确的结构、样式以及跨平台兼容性。资料主要从 DOCX 的文件结构和常见问题入手,帮助理解文档内部组成,而不是提供具体的调用接口或安装方式。
文档结构 DOCX 本质上是一个 ZIP 包,内部包含多个 XML 文件。主内容位于 word/document.xml,样式定义位于 word/styles.xml。正文文本会被拆分成多个 run(<w:r>),每个 run 内的格式一致,因此一个词可能跨越多个 run。段落(<w:p>)由 run 组成,不能假设一个段落就等于一个文本块。节(section)负责页面布局,页眉、页脚、页边距、页面方向都按节分别控制。
样式与直接格式化 样式(如 Heading 1、Normal)是具名且可复用的;直接格式化是内联的,并会覆盖样式。移除直接格式化后可以显露出底层样式,这对清理文档很有用。字符样式作用于 run,段落样式作用于段落,二者会叠加。链接样式可以同时具备两种性质,应用于段落或选中文本时表现不同。
列表与编号 编号机制较复杂:abstractNum 定义编号模式,num 引用它,段落再引用 numId。编号不会自动重新开始,需要显式使用带重启标志的 <w:numPr>。项目符号与数字共用同一套编号系统,都使用 numId。缩进与编号分开控制,列表可以在没有视觉缩进的情况下存在。
页眉、页脚与分节 每个节可以有不同的页眉和页脚,包括首页、奇数页、偶数页。分节符类型包括下一页、连续、偶数页/奇数页,会影响分页结果。页眉和页脚存放在单独的 XML 文件中,由节属性引用。页码是域而非静态文本,会在打开或打印时更新。
修订与批注 修订模式会在同一文档中保存原始内容与修订内容,通过接受或拒绝来定稿。被删除的文本仍以 <w:del> 包裹的形式存在,不能假设可见内容就是全部内容。批注通过书签 ID 引用文本范围,从 <w:commentRangeStart> 到 <w:commentRangeEnd>。修订 ID 记录谁改了什么,即使接受修订后元数据仍会保留。
域与动态内容 域包含代码和缓存结果,例如 { DATE @ "yyyy-MM-dd" } 与显示出的日期。目录、页码、交叉引用都是域,需要更新域才能刷新。超链接既可以是域,也可以直接使用 <w:hyperlink>,两者都有效。MERGEFIELD 用于邮件合并,在合并执行前是占位符。
兼容性 兼容模式会把功能限制在较早的 Word 版本,需检查 w:compat 设置。页面尺寸默认值会因工具和地区而异,应显式设置 US Letter 或 A4,否则分页和表格宽度可能发生偏移。LibreOffice 与 Google Docs 对复杂格式可能出现偏移,建议测试往返转换。嵌入字体可能无法转移,会由回退字体替代。DOCM 包含宏,存在安全风险;DOC 是旧式二进制格式。
常见陷阱 用空段落做间距时,更推荐在段落样式中设置段前/段后间距。避免在段落内手动分页,布局控制应使用分节符。页眉中的图片关系 ID 按部件独立,同一张图片在页眉中需要单独建立关系。复制粘贴会带入来源样式,可能在样式库中产生重复项。
使用方式与限制 资料未提供具体的安装命令、调用方式、平台要求或收费信息,暂未提供。