用途:处理 .docx 文件的创建、编辑与内容分析。.docx 本质是包含 XML 与资源的 ZIP 归档,可按任务选择不同工作流。
主要能力:读取/分析内容时,可用 pandoc 转 Markdown(保留结构并显示修订):pandoc --track-changes=all path-to-file.docx -o output.md;需要批注、复杂格式、结构、嵌入媒体或元数据时,解包读取原始 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。新建文档使用 docx-js,以 Document、Paragraph、TextRun 组件编写并用 Packer.toBuffer() 导出。编辑现有文档使用 Python Document 库,解包后编写脚本,再打包:python ooxml/scripts/pack.py <input_directory> <office_file>。审阅他人或法律、学术、商业、政府文档时使用 redlining 工作流,按 3-10 个相关改动分批实施,只标记实际变化文本并保留未变部分的原始 <w:r> 与 RSID,最后用 pandoc 转 Markdown 验证。可视化分析可先 soffice --headless --convert-to pdf document.docx,再用 pdftoppm -jpeg -r 150 document.pdf page 转图。
依赖:pandoc、docx(npm install -g docx)、LibreOffice、Poppler、defusedxml。
限制:仅适用于明确匹配上述范围的任务;输出不能替代环境相关验证、测试或专家审查;缺少必要输入、权限、安全边界或成功标准时应停止并请求澄清。