SuperAPI AI 工具集

docx-offline

数据与分析

查看项目

更新于 10-16 02:36

技能介绍

用途:对 .docx 文件进行创建、编辑与分析。.docx 本质是包含 XML 与资源的 ZIP 包,可按任务选择不同工作流。

主要能力:

  1. 读取与分析:用 pandoc 转 Markdown 保留结构并显示修订,如 pandoc --track-changes=all path-to-file.docx -o output.md(可选 accept/reject/all)。批注、复杂格式、嵌入媒体与元数据需解包读原始 XML:python ooxml/scripts/unpack.py <office_file> <output_directory>。关键文件包括 word/document.xml、word/comments.xml、word/media/;修订使用 <w:ins> 与 <w:del> 标签。
  2. 新建文档:使用 docx-js,以 Document、Paragraph、TextRun 组件编写,经 Packer.toBuffer() 导出 .docx;操作前需完整阅读 docx-js.md。
  3. 编辑现有文档:使用 Python 的 Document 库操作 OOXML,先解包,编写并运行脚本,最后回包:python ooxml/scripts/pack.py <input_directory> <office_file>;操作前需完整阅读 ooxml.md。
  4. 修订(redlining):先用 pandoc 生成带修订的 Markdown,按章节、类型或邻近度将改动分为 3-10 个一批,逐批实现并测试。原则是最小精确编辑,仅标记真正变化的文本,未变文本复用原 <w:r> 及其 RSID。定位用章节号、段落标识、唯一上下文 grep 或文档结构,不要用 Markdown 行号。每批前重新 grep word/document.xml 确认当前内容。完成后回包并用 pandoc 转 Markdown 验证,确认原短语消失、替换短语出现且无意外改动。
  5. 转图片:soffice --headless --convert-to pdf document.docx,再用 pdftoppm -jpeg -r 150 document.pdf page 生成分页图片,可用 -f/-l 指定页码范围。

依赖:pandoc、LibreOffice、Poppler、Python 库(pip install defusedxml lxml)、Node.js(npm i docx),git 可选。安装命令因平台而异,安装可能需要网络。

限制:资料未提供具体收费、价格、平台支持范围与效果数据;复杂场景需直接访问底层 DOM。