名称: docx 描述: “全面的文档创建、编辑和分析功能，支持跟踪更改、注释、格式保留和文本提取。当Claude需要处理专业文档（.docx文件）时：用于（1）创建新文档，（2）修改或编辑内容，（3）处理跟踪更改，（4）添加注释，或任何其他文档任务” 许可证: 专有。LICENSE.txt包含完整条款

DOCX文档创建、编辑和分析

🤖 智能体与MCP增强（Agent & MCP Enhancements）

本技能支持并推荐配合特定的智能体角色和MCP工具使用，以获得最佳效果。

概述

用户可能要求您创建、编辑或分析.docx文件的内容。.docx文件本质上是一个ZIP压缩包，包含可读取或编辑的XML文件和其他资源。针对不同任务，您有不同的工具和工作流可用。

工作流决策树

读取/分析内容

使用“文本提取”或“原始XML访问”部分

创建新文档

使用“创建新Word文档”工作流

编辑现有文档

您自己的文档+简单更改 使用“基本OOXML编辑”工作流
其他人的文档 使用**“修订工作流”**（推荐默认）
法律、学术、商业或政府文档 使用**“修订工作流”**（必需）

读取和分析内容

文本提取

如果您只需要读取文档的文本内容，应使用pandoc将文档转换为markdown。Pandoc提供了出色的文档结构保留支持，并能显示跟踪更改：

# 将文档转换为markdown，保留跟踪更改
pandoc --track-changes=all 路径到文件.docx -o 输出.md
# 选项：--track-changes=accept/reject/all

原始XML访问

您需要原始XML访问以处理：注释、复杂格式、文档结构、嵌入媒体和元数据。对于这些功能中的任何一个，您都需要解压文档并读取其原始XML内容。

解压文件

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

关键文件结构

word/document.xml - 主要文档内容
word/comments.xml - 在document.xml中引用的注释
word/media/ - 嵌入的图片和媒体文件
跟踪更改使用<w:ins>（插入）和<w:del>（删除）标签

创建新Word文档

当从头创建新Word文档时，使用docx-js，它允许您使用JavaScript/TypeScript创建Word文档。

工作流

必需 - 完整读取文件：完整阅读docx-js.md（约500行），从开始到结束。**读取此文件时切勿设置任何范围限制。**在继续文档创建之前，阅读完整文件内容以获取详细语法、关键格式规则和最佳实践。
使用Document、Paragraph、TextRun组件创建JavaScript/TypeScript文件（您可以假设所有依赖项已安装，但如果没有，请参考下面的依赖项部分）
使用Packer.toBuffer()导出为.docx

编辑现有Word文档

当编辑现有Word文档时，使用Document库（一个用于OOXML操作的Python库）。该库自动处理基础设施设置，并提供文档操作方法。对于复杂场景，您可以通过库直接访问底层DOM。

工作流

必需 - 完整读取文件：完整阅读ooxml.md（约600行），从开始到结束。**读取此文件时切勿设置任何范围限制。**阅读完整文件内容以获取Document库API和直接编辑文档文件的XML模式。
解压文档：python ooxml/scripts/unpack.py <office_file> <output_directory>
创建并运行使用Document库的Python脚本（参见ooxml.md中的“Document Library”部分）
打包最终文档：python ooxml/scripts/pack.py <input_directory> <office_file>

Document库为常见操作提供高级方法，并为复杂场景提供直接DOM访问。

文档审查的修订工作流

此工作流允许您在使用OOXML实施之前，使用markdown规划全面的跟踪更改。关键：对于完整的跟踪更改，您必须系统地实施所有更改。

批处理策略：将相关更改分组为每批3-10个更改。这使得调试易于管理，同时保持效率。在继续下一批之前测试每批更改。

原则：最小化、精确编辑 在实施跟踪更改时，只标记实际更改的文本。重复未更改的文本会使编辑更难审查，并显得不专业。将替换分解为：[未更改文本] + [删除] + [插入] + [未更改文本]。通过从原始提取<w:r>元素并重用，保留原始运行RSID的未更改文本。

示例 - 在句子中将“30天”更改为“60天”：

# 坏 - 替换整个句子
'<w:del><w:r><w:delText>The term is 30 days.</w:delText></w:r></w:del><w:ins><w:r><w:t>The term is 60 days.</w:t></w:r></w:ins>'

# 好 - 只标记更改的内容，为未更改文本保留原始<w:r>
'<w:r w:rsidR="00AB12CD"><w:t>The term is </w:t></w:r><w:del><w:r><w:delText>30</w:delText></w:r></w:del><w:ins><w:r><w:t>60</w:t></w:r></w:ins><w:r w:rsidR="00AB12CD"><w:t> days.</w:t></w:r>'

跟踪更改工作流

获取markdown表示：将文档转换为markdown，保留跟踪更改：
```
pandoc --track-changes=all 路径到文件.docx -o 当前.md
```
识别和分组更改：审查文档并识别所有需要的更改，将它们组织成逻辑批次：

定位方法（用于在XML中找到更改）：
- 部分/标题编号（例如，“第3.2节”、“第IV条”）
- 段落标识符（如果编号）
- 带有独特周围文本的grep模式
- 文档结构（例如，“第一段”、“签名块”）
- 不要使用markdown行号 - 它们不映射到XML结构
批次组织（每批分组3-10个相关更改）：
- 按部分：“批次1：第2节修正”、“批次2：第5节更新”
- 按类型：“批次1：日期更正”、“批次2：方名称更改”
- 按复杂度：从简单文本替换开始，然后处理复杂结构更改
- 顺序：“批次1：第1-3页”、“批次2：第4-6页”
阅读文档并解压：
- 必需 - 完整读取文件：完整阅读ooxml.md（约600行），从开始到结束。**读取此文件时切勿设置任何范围限制。**特别注意“Document Library”和“Tracked Change Patterns”部分。
- 解压文档：python ooxml/scripts/unpack.py <file.docx> <dir>
- 注意建议的RSID：解压脚本会建议一个用于跟踪更改的RSID。复制此RSID用于步骤4b。
分批实施更改：按逻辑（按部分、类型或接近度）分组更改，并在单个脚本中一起实施。这种方法：
- 使调试更容易（小批次=更容易隔离错误）
- 允许增量进展
- 保持效率（每批3-10个更改效果良好）
建议批次分组：
- 按文档部分（例如，“第3节更改”、“定义”、“终止条款”）
- 按更改类型（例如，“日期更改”、“方名称更新”、“法律术语替换”）
- 按接近度（例如，“第1-3页更改”、“文档前半部分更改”）
对于每批相关更改：

a. 映射文本到XML：在word/document.xml中grep文本以验证文本如何跨<w:r>元素拆分。

b. 创建并运行脚本：使用get_node找到节点，实施更改，然后doc.save()。参见ooxml.md中的**“Document Library”**部分以获取模式。

注意：在编写脚本之前，始终立即grepword/document.xml以获取当前行号并验证文本内容。每次脚本运行后，行号会改变。
打包文档：所有批次完成后，将解压目录转换回.docx：
```
python ooxml/scripts/pack.py unpacked 已审阅文档.docx
```

最终验证：对完整文档进行全面检查：

将最终文档转换为markdown：

pandoc --track-changes=all 已审阅文档.docx -o 验证.md

验证所有更改是否正确应用：

grep "原始短语" 验证.md  # 不应找到
grep "替换短语" 验证.md  # 应找到

检查未引入意外更改

将文档转换为图片

要视觉分析Word文档，使用两步过程将它们转换为图片：

将DOCX转换为PDF：

soffice --headless --convert-to pdf 文档.docx

将PDF页面转换为JPEG图片：
```
pdftoppm -jpeg -r 150 文档.pdf 页面
```
这会创建文件如页面-1.jpg、页面-2.jpg等。

选项：

-r 150：设置分辨率为150 DPI（调整质量和大小平衡）
-jpeg：输出JPEG格式（如果需要PNG，使用-png）
-f N：要转换的第一页（例如，-f 2从第2页开始）
-l N：要转换的最后一页（例如，-l 5在第5页停止）
页面：输出文件的前缀

特定范围示例：

pdftoppm -jpeg -r 150 -f 2 -l 5 文档.pdf 页面  # 仅转换第2-5页

代码风格指南

重要：当为DOCX操作生成代码时：

编写简洁的代码
避免冗长的变量名和冗余操作
避免不必要的打印语句

依赖项

必需依赖项（如果不可用则安装）：

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将PDF转换为图片）
defusedxml：pip install defusedxml（用于安全XML解析）

DOCX文档处理技能 docx