文字文档处理

数据 社区
  • 作者仓库星标 0
  • 许可证 Proprietary. LICENSE.txt has complete terms
  • 作者更新于 2026年8月21日 17:10

技能解读

任务分流

按任务选工具:新建文档写 docx(npm)脚本,读取正文用 pandoc -t markdown,编辑现有文件走 unzip → word/document.xml → zip。docx-js 不能打开已有文档,所以三类任务不能硬塞进同一套库。

创建与验收

  • 创建:直接 require('docx'),只有加载失败才安装依赖;注意 A4 默认纸张、DXA 表格双宽度、ShadingType.CLEAR、编号列表、ImageRun.type 和 TOC 的 outlineLevel。
  • 验收:先把 DOCX 转成 PDF,再用 pdftoppm 查看每页;编辑后的文件还要运行 scripts/office/validate.py --original,做 XSD 和原文件对照校验。

编辑、修订与评论

  • 外部 DOCX 先解包并删除符号链接,再用 merge_runs.py 合并被 Word 拆散的相邻 runs;修改 document.xml 时不能格式化整份 XML。
  • 修订要正确使用 <w:ins>、<w:del> 和 <w:delText>;删除段落还涉及段落标记,--author 校验用来发现没有被修订标记包住的改动。
  • 评论不只是写一个节点:comment.py 会生成六类关联文件,仍需把 range 与 reference 标记放进 document.xml,否则评论不会显示。

适用范围

需要保留 DOCX 结构并检查结果时,走完整流程;只读正文时停在 pandoc 即可,不必进入 OOXML 层。

流狐档案 运行与权限由流狐静态检查推断,不代表作者声明或实际测试结果。
领域
数据
作者声明的智能体
未找到明确声明;不据此推断已兼容或已测试
静态检查
94 / 100 · 启发式扫描,不代表运行安全
运行环境证据
未执行;当前没有隔离运行测试证据
作者 / 版本 / 许可证
@anthropics · Proprietary. LICENSE.txt has complete terms
上下文用量评级
低消耗
接入复杂程度
即装即用
是否需要外部接口密钥
不需要
兼容的系统
macOS · Linux · Windows
运行环境要求
Python
检测到的文件与系统行为
  • 只读
  • 允许写入 / 修改
网络行为
仅限本地
安装命令数
无(仅作为资料)

需要注意: 未声明工具权限范围;实际权限由运行环境决定。

输出预览 docx.preview
python scripts/office/soffice.py --headless --convert-to pdf output.docx
pdftoppm -jpeg -r 100 output.pdf page
ls page-*.jpg   # then Read the images

讨论

基于 GitHub Discussions。登录 GitHub 即可参与讨论、点赞、订阅更新。