用途:处理 .docx 文档(本质为含 XML 与资源的 ZIP 包),可创建、编辑、分析 Word 文档,支持文本提取、原始 XML 访问与修订(redlining)工作流,适用于专业文档处理、修订与内容操作。
主要能力:读取/分析内容可用 pandoc 转 markdown 并显示修订;批注、复杂格式、文档结构、嵌入媒体与元数据需解包读取原始 XML。新建文档使用 docx-js(JavaScript/TypeScript,Document、Paragraph、TextRun,Packer.toBuffer() 导出)。编辑现有文档使用 Document 库(Python OOXML 操作),解包后编写脚本再打包。修订工作流建议先转 markdown 规划,再分批(每批 3-10 处)实现,仅标记实际变化,保留未变文本的原始 RSID。可将文档转图片:soffice --headless --convert-to pdf document.docx,再 pdftoppm -jpeg -r 150 document.pdf page。
必要用法:文本提取 pandoc --track-changes=all path-to-file.docx -o output.md;解包 python ooxml/scripts/unpack.py <office_file> <output_directory>;打包 python ooxml/scripts/pack.py <input_directory> <office_file>。创建前须完整阅读 docx-js.md,编辑前须完整阅读 ooxml.md。
依赖:pandoc、docx(npm install -g docx)、LibreOffice、Poppler、defusedxml。
限制:资料未提供收费、价格、平台与效果信息;具体 API 细节需查阅对应文档文件。