用途:创建、编辑与分析 .docx 文件(本质为含 XML 的 ZIP 包)。
主要能力:读取文本(pandoc --track-changes=all path-to-file.docx -o output.md);解析原始 XML(评论、复杂格式、结构、媒体、元数据);用 docx-js 新建文档;用 Document 库编辑已有文档;对他人或法律/学术/商务/政府文档执行修订留痕(<w:ins>/<w:del>);将文档转为图片查看。
使用方式:解包 python ooxml/scripts/unpack.py <office_file> <output_directory>,处理后打包 python ooxml/scripts/pack.py <input_directory> <office_file>。新建文档前须完整阅读 docx-js.md;编辑前须完整阅读 ooxml.md。修订按 3-10 项分批,仅标记实际变化。可视化:soffice --headless --convert-to pdf document.docx,再 pdftoppm -jpeg -r 150 document.pdf page。
依赖:pandoc(文本提取)、docx(新建)、LibreOffice(PDF 转换)、Poppler(图片转换)、defusedxml(安全 XML 解析),按需安装。
限制:具体效果与平台支持范围资料未逐项说明;操作依赖上述外部工具,修订需精确到最小变更并做最终验证。