用途：面向 Word 文档的全量解析，供需要从 .docx/.doc 中稳定抽取正文、表格、格式与图片信息的场景使用，例如数据整理、多文件汇总、带颜色标记的内容检索。
主要能力：一是按文档顺序提取正文段落与表格单元格文本；二是把表格抽成结构化 DataFrame；三是在 XML 层面读取段落高亮色和单元格背景色（如标黄行、红色文字）；四是批量处理目录或多个文件并汇总结果；五是从 .docx 的 ZIP 包中取出 word/media/ 下的嵌入图片并生成 caption。
必要用法：.docx 可直接用 python-docx 的 Document 读取；.doc 旧格式需先用 libreoffice 转换，命令为 libreoffice --headless --convert-to docx --outdir out_dir path。图片 caption 依赖外部脚本 caption.py，通过命令 python3 caption.py <图片路径> --json 调用，可加 --prompt。字号检查需同时看 run 级和 style 级字号；错别字检查建议先全文提取再做字符串匹配或交给 LLM，不要安装 hunspell 等工具。
限制：仅覆盖资料中给出的解析方式与常见模式，文档提到常见坑包括只读 doc.paragraphs 会漏表格、输入多文件时只处理单文件、高亮单元格需走 XML 层 w:shd/w:highlight、.doc 需先转换、嵌入图表会显得为空、字号可能为 None。是否收费、具体平台与效果资料暂未提供。