用途:该技能面向 PDF、DOCX、XLSX、PPTX 四类办公文档,覆盖读取提取、创建、编辑与格式转换。
主要能力:读取提取可用 markitdown 处理 PDF/DOCX/PPTX,PDF 表格用 pdfplumber,Excel 用 pandas;创建分别使用 reportlab(PDF)、docx-js(DOCX)、openpyxl(XLSX)、pptxgenjs(PPTX);编辑办公格式遵循 unpack → 编辑 XML → pack 流程,PDF 用 pypdf。转换支持 LibreOffice 无头模式将 Office 转 PDF,以及 PDF 转图片。
使用方式:常用命令包括 python -m markitdown document.pdf、python scripts/unpack.py input.ext unpacked/、python scripts/pack.py unpacked/ output.ext、python scripts/soffice.py --headless --convert-to pdf input.docx、python scripts/pdf_to_images.py input.pdf output_dir/。PDF 表单可用 pdf_check.py、pdf_extract_fields.py、pdf_fill.py。Excel 公式创建后运行 python scripts/recalc.py file.xlsx 重算。
适用场景:批量文档生成、内容提取、格式转换、PDF 表单填写、演示文稿缩略图与幻灯片增删、DOCX 修订接受、结构校验等。
限制与注意:DOCX 表格须用 DXA 单位而非百分比,避免 unicode 项目符号;Excel 财务模型要求零公式错误并使用公式而非硬编码值;comment.py 尚未实现。依赖需安装 Python 包 pandas、openpyxl、reportlab、pypdf、pdfplumber、markitdown[all],JavaScript 包 docx、pptxgenjs,以及系统组件 LibreOffice 和 Poppler。输出后建议做内容、视觉和公式校验。