Docx

来源：基于 anthropics/skills（MIT）内容改写。

概览

.docx 是一个 ZIP 包，内部是 OOXML。不同任务应选择不同路径：

• 阅读/分析：先做文本抽取或直接解析 XML
• 新建文档：使用 docx-js
• 编辑现有文档：使用 Document 库（Python）
• 审阅/修订：使用红线（tracked changes）流程

阅读与分析

文本抽取

pandoc --track-changes=all file.docx -o output.md

直接读取 XML

python ooxml/scripts/unpack.py <office_file> <output_dir>

关键文件：

• word/document.xml
• word/comments.xml
• word/media/
• 修订标签：<w:ins> / <w:del>

新建文档（docx-js）

• 必须完整阅读 docx-js.md
• 用 Document / Paragraph / TextRun 构建内容
• 通过 Packer.toBuffer() 导出 .docx

编辑现有文档（Document 库）

• 必须完整阅读 ooxml.md
• 解包 → 脚本编辑 → 打包

python ooxml/scripts/unpack.py <file.docx> <dir>
python ooxml/scripts/pack.py <dir> <file.docx>

红线修订（Tracked Changes）

适用于法律/商务/学术文档：

• 先用 pandoc 导出 markdown（保留修订）
• 把改动分批（每批 3-10 条）
• 只标注发生变化的词，保留未变化部分
• 使用解包脚本建议的 RSID

常见脚本

• ooxml/scripts/unpack.py
• ooxml/scripts/pack.py
• ooxml/scripts/validate.py

GitHub 访问

在 GitHub 查看