用途:该技能用于 DOCX 文件的创建、编辑与分析,服务于教育资源场景,如生成练习纸与作业、制作可打印教案、起草学习资料,也适用于他人文档的审阅。
读取与分析:需要纯文本时用 pandoc 转 Markdown,例如 pandoc --track-changes=all path-to-file.docx -o output.md(选项 accept/reject/all);需要批注、复杂格式、文档结构、嵌入媒体和元数据时,需解包读取原始 XML,命令为 python /Users/sargupta/SahayakAIV2/sahayakai/sahayakai-main/.agent/skills/docx/ooxml/scripts/unpack.py <office_file> <output_directory>。关键结构包括 word/document.xml、word/comments.xml、word/media/;修订使用 <w:ins> 与 <w:del> 标签。
创建新文档:使用 docx-js,先完整阅读 docx-js.md,再用 Document、Paragraph、TextRun 组件编写 JavaScript/TypeScript,最后用 Packer.toBuffer() 导出为 .docx。
编辑已有文档:使用 Python Document 库,先完整阅读 ooxml.md,解包后编写脚本处理,再用 pack.py 重新打包。
审阅修订流程(法律、学术、商业、政府文档必须使用):先用 pandoc 导出带修订的 Markdown,按章节、类型或邻近度把变更分为 3-10 项一批,按批次实现并逐批验证;编辑时只标记真正变化的部分,拆分不变文本、删除与插入,保留原有 <w:r> 的 RSID;不要用 Markdown 行号定位,改用章节号、段落标识、grep 模式或文档结构定位;每批前重新 grep word/document.xml 确认文本切分与行号。完成后用 pack.py 打包,并再次转 Markdown 用 grep 验证。
图像化分析:先 soffice --headless --convert-to pdf document.docx 转 PDF,再 pdftoppm -jpeg -r 150 document.pdf page 生成图片,可用 -r 调分辨率、-f/-l 指定页码范围。
依赖:pandoc(sudo apt-get install pandoc)、docx(npm install -g docx)、LibreOffice(sudo apt-get install libreoffice)、Poppler(sudo apt-get install poppler-utils)、defusedxml(pip install defusedxml)。
限制:仅依据所给资料描述流程;未提供该技能的具体授权、收费、兼容版本与效果数据。