用途:创建、编辑与分析 .docx 文件。.docx 本质是含 XML 的 ZIP 包,可按任务选用不同流程。
主要能力:
- 读取与分析:用 pandoc 提取文本,保留结构并显示修订:pandoc --track-changes=all path-to-file.docx -o output.md(可选 accept/reject/all)。需访问批注、复杂格式、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:word/document.xml(正文)、word/comments.xml(批注)、word/media/(媒体);修订使用 <w:ins>(插入)与 <w:del>(删除)标签。
- 新建文档:使用 docx-js(JavaScript/TypeScript),必须先完整阅读 docx-js.md 再动手,用 Document、Paragraph、TextRun 组件编写,最后用 Packer.toBuffer() 导出 .docx。
- 编辑现有文档:使用 Document 库(Python,操作 OOXML),须先完整阅读 ooxml.md;流程为解包、编写并运行 Python 脚本、再用 python ooxml/scripts/pack.py <input_directory> <office_file> 重新打包。
- 修订审阅(Redlining):将变更分批(每批 3-10 处),最小化精确修改,仅标记真正变化的文本,保留未变更内容的原始 <w:r> 与 RSID;避免替换整句。完成后用 pandoc 转 Markdown 做校验,检查旧措辞消失、新措辞出现且无意外改动。
- 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(支持 -f/-l 指定页范围)。
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:仅处理 .docx 相关操作;具体模型、收费与平台可用性资料未提供。