DOCX 是一套面向 .docx 文件的创建、编辑与分析技能。.docx 本质上是一个 ZIP 归档，内部包含 XML 文件和其他资源，因此可以通过读取和编辑这些内容来完成各类文档任务。技能针对不同任务提供了不同的工具与工作流。
一、用途与工作流选择 技能提供一棵工作流决策树：读取或分析内容时，使用文本提取或原始 XML 访问；创建新文档时，使用“创建新 Word 文档”工作流；编辑现有文档时，若为自己文档且改动简单，使用“基础 OOXML 编辑”工作流；若为他人文档，推荐使用 redlining 工作流；若涉及法律、学术、商业或政府文档，则必须使用 redlining 工作流。
二、读取与分析内容
- 文本提取：若只需读取文档文本内容，可用 pandoc 将文档转换为 markdown，它能较好地保留文档结构并显示修订。命令示例：pandoc --track-changes=all path-to-file.docx -o output.md，其中 --track-changes 可选 accept/reject/all。
- 原始 XML 访问：处理批注、复杂格式、文档结构、嵌入媒体和元数据时，需要解包文档并读取原始 XML。解包命令：python ooxml/scripts/unpack.py <office_file> <output_directory>。关键文件结构包括 word/document.xml（主文档内容）、word/comments.xml（document.xml 中引用的批注）、word/media/（嵌入图片和媒体文件）；修订使用 <w:ins>（插入）和 <w:del>（删除）标签。
三、创建新 Word 文档 从零创建 Word 文档时使用 docx-js，可用 JavaScript/TypeScript 创建文档。工作流要求：必须完整阅读 docx-js.md（约 500 行），从头到尾读完，不得设置任何范围限制；然后使用 Document、Paragraph、TextRun 组件创建 JavaScript/TypeScript 文件；最后用 Packer.toBuffer() 导出为 .docx。
四、编辑现有 Word 文档 编辑现有文档时使用 Document 库（一个用于 OOXML 操作的 Python 库），它自动处理基础设施并提供文档操作方法，复杂场景可直接访问底层 DOM。工作流要求：必须完整阅读 ooxml.md（约 600 行），不得设置范围限制；解包文档：python ooxml/scripts/unpack.py <office_file> <output_directory>；使用 Document 库创建并运行 Python 脚本；最后打包：python ooxml/scripts/pack.py <input_directory> <office_file>。
五、文档审阅的 Redlining 工作流 该工作流允许先用 markdown 规划完整的修订，再在 OOXML 中实现。关键要求：为实现完整修订，必须系统性地实施所有变更。批处理策略：将相关变更分组为每批 3-10 个，便于调试并保持效率，每批测试后再进行下一批。核心原则是最小、精确编辑：只标记实际变化的文本，重复未变文本会让审阅更困难且显得不专业。替换应拆分为 [未变文本] + [删除] + [插入] + [未变文本]，并通过提取原始 <w:r> 元素复用其 RSID 来保留未变文本。资料给出了“30 days”改为“60 days”的正反示例。
修订工作流步骤：
- 获取 markdown 表示：pandoc --track-changes=all path-to-file.docx -o current.md。
- 识别并分组变更：找出所有需要的变更并组织为逻辑批次。定位方法包括章节/标题编号、段落标识、带唯一上下文的 grep 模式、文档结构；不要使用 markdown 行号，因为它们不映射到 XML 结构。批次可按章节、类型、复杂度或顺序组织。
- 阅读文档并解包：必须完整阅读 ooxml.md，特别注意“Document Library”和“Tracked Change Patterns”部分；解包文档；注意解包脚本建议的 RSID 并在后续使用。
- 分批实施变更：按逻辑分组，在单个脚本中一起实现。对每批相关变更：a. 将文本映射到 XML：在 word/document.xml 中 grep 文本，确认文本如何拆分到 <w:r> 元素；b. 创建并运行脚本：用 get_node 查找节点、实施变更，然后 doc.save()。注意每次写脚本前都要立即 grep word/document.xml 以获取当前行号并验证文本内容，因为每次脚本运行后行号会变化。
- 打包文档：python ooxml/scripts/pack.py unpacked reviewed-document.docx。
- 最终验证：将最终文档转为 markdown，验证所有变更是否正确应用，检查是否引入意外变更。
六、将文档转换为图片 为可视化分析 Word 文档，采用两步：先用 soffice --headless --convert-to pdf document.docx 将 DOCX 转为 PDF；再用 pdftoppm -jpeg -r 150 document.pdf page 将 PDF 页面转为 JPEG 图片，生成 page-1.jpg、page-2.jpg 等。选项包括 -r 150 设置分辨率、-jpeg 输出格式（也可用 -png）、-f N 起始页、-l N 结束页、page 为输出文件前缀。示例：pdftoppm -jpeg -r 150 -f 2 -l 5 document.pdf page 仅转换第 2-5 页。
七、代码风格与依赖 生成 DOCX 操作代码时应简洁，避免冗长变量名和冗余操作，避免不必要的 print 语句。所需依赖（如未安装则安装）：pandoc（sudo apt-get install pandoc，用于文本提取）、docx（npm install -g docx，用于创建新文档）、LibreOffice（sudo apt-get install libreoffice，用于 PDF 转换）、Poppler（sudo apt-get install poppler-utils，用于 pdftoppm 转图片）、defusedxml（pip install defusedxml，用于安全 XML 解析）。
八、工作流总结与检查点 资料末尾给出 DOCX v1.1 工作流总结：来源为 ISO/IEC 29500（OOXML）与 Python-docx。阶段 1 分析（读取模式）：用 pandoc 提取文本内容并转为 markdown；解包以查看 XML 结构。阶段 2 修改（写入模式）：以修订格式（<w:ins>、<w:del>）进行 redlining；在解包目录上运行脚本，保持一致性，避免手动编辑 XML；将文件夹重新打包为 .docx。检查点包括：生成的 docx 能否被 Word 无错打开；修订是否正确显示（可接受/拒绝）；XML 验证（schema check）是否通过。