tdoc-docx

name tdoc-docx version 1.0.0 description Word 文档全能处理技能 | Complete Word Document Processing Skill. 支持创建、读取、编辑、转换 Word 文档 | Create, read, edit, convert Word documents. 支持 .docx/.doc 格式、中文公文格式、表格、图片、tracked changes、评论 | Supports .docx/.doc, Chinese gov format, tables, images, tracked changes, comments. 触发词：Word、文档、docx、doc、公文、报告、转PDF. metadata {"openclaw":{"emoji":"📄","requires":{"bins":"[Truncated]"},"install":["[Truncated]"]}} TDoc DOCX — Word 文档全能处理技能 概述 提供对 .docx / .doc 文件的 完整生命周期 管理： 能力 说明 脚本 创建 从零创建专业 Word 文档（含中文公文格式） create_docx.py 读取 提取文本、表格、图片、元数据 read_docx.py 编辑 JSON 规则批量编辑 / XML 层面精细操作 edit_docx.py + office/ 转换 docx↔pdf、doc→docx、docx→markdown convert_docx.py 差异 生成两版本间的 Unified Diff 报告 diff_docx.py 评论 添加评论、回复、tracked changes comment.py 分析 文档摘要、关键词提取、字数统计 word_count.py + AI 自动触发场景 当用户请求以下任务时， 自动使用此 skill ： 创建 Word 文档、公文、报告、总结、方案 读取/分析/提取 Word 文档内容 编辑/修改现有 Word 文档 将 Word 转换为 PDF 或其他格式 对比两个文档的差异 对文档添加评论或修订 统计文档字数、分析文档摘要 关键词识别： "Word"、"文档"、"docx"、"doc" "公文"、"报告"、"总结"、"方案"、"材料" "转PDF"、"转换"、"格式转换" "编辑"、"修改"、"对比"、"差异" "评论"、"批注"、"修订" "字数"、"摘要"、"关键词"、"总结要点" ⚠️ 核心路由原则（必读） 路由决策树仅适用于「创建文档」这一个环节。 文档一旦创建完成（无论是通过路径 A 通用创建还是路径 B 垂类模板创建），后续所有操作 一律使用 scripts/ 下的工具脚本 ，不再走模板流程。 用户请求 │ ├─ 「创建」新文档 → 走路由决策树（路径 A 通用 / 路径 B 垂类模板） │ └─ 对「已有」文档进行操作 → 直接使用 scripts/ 工具脚本 ├─ 编辑/修改 → edit_docx.py（JSON 规则）或 XML 编辑（office/unpack → 修改 → pack） ├─ 读取/提取 → read_docx.py ├─ 格式转换 → convert_docx.py ├─ 差异对比 → diff_docx.py ├─ 评论/修订 → comment.py + XML 编辑 └─ 字数/分析 → word_count.py + AI 💡 典型场景 ：用户先让你用红头模板创建了一份文件，然后又要求「把 A 改成 B」——此时应该用 edit_docx.py 编辑已有文件，而不是重新跑一遍创建脚本。 安装 ⚠️ 首次使用本 skill 前必须先安装依赖，否则脚本会报 ModuleNotFoundError！ 方式1：一键安装（推荐） cd {baseDir} ./install.sh 方式2：手动安装 # 使用 pip pip3 install -r {baseDir}/requirements.txt # 或使用 uv（更快） uv pip install -r {baseDir}/requirements.txt 核心 Python 依赖（必装）： 包名 最低版本 用途 python-docx 1.1.0 创建/读取/编辑 DOCX reportlab 4.0 DOCX→PDF 基础转换 defusedxml 0.7.0 安全 XML 解析 lxml 5.0 XSD 验证 系统级依赖（必装， install.sh 会自动安装）： 工具 用途 手动安装方式 LibreOffice 高保真 PDF 转换、DOC→DOCX、接受修订 macOS: brew install --cask libreoffice Linux: sudo apt install libreoffice pandoc 高级文本提取 macOS: brew install pandoc Linux: sudo apt install pandoc Poppler DOCX→图片 (pdftoppm) macOS: brew install poppler Linux: sudo apt install poppler-utils antiword .doc 文件读取 macOS: brew install antiword Linux: sudo apt install antiword 💡 推荐使用 ./install.sh 一键安装 ，脚本会自动检测系统并安装以上所有依赖。 一、创建文档 ⚡ 路由决策树（仅用于创建文档） 本决策树仅在「创建新文档」时使用。 对已有文档的编辑、转换、对比等操作请直接使用 scripts/ 工具脚本（参见上方「核心路由原则」）。 创建文档时， 必须按以下决策树选择执行路径 ： 用户请求创建文档 │ ├─ Step 1: 意图识别 — 是否匹配垂类模板？ │ │ │ ├─ ✅ 匹配垂类模板（公文、合同等专业文档） │ │ └─ → 路径 B：垂类模板创建流程 │ │ ① 读取 {baseDir}/templates/<模板名>/rules.md │ │ ② 按 rules.md 规范，用 Python 脚本创建文档 │ │ ③ 不使用 create_docx.py 的内置 style │ │ │ └─ ❌ 不匹配垂类模板（通用文档） │ └─ → 路径 A：通用创建流程 │ │ │ ├─ Step 2: 用户是否上传/提供了 Markdown 文件？ │ │ │ │ │ ├─ ✅ 有 Markdown → 路径 A1：CLI 方式（--from-markdown） │ │ └─ ❌ 无 Markdown → 路径 A2：Python API 方式（⭐ 默认推荐） │ │ │ └─ 选择风格: default / business / academic │ └─ 输出文档 核心原则 ：除非用户明确上传了 Markdown 文件要求基于 MD 创建，否则一律使用 Python API 方式 （直接调用 DocxCreator ）创建文档。 路径 A：通用创建（非垂类文档） 适用于：一般报告、总结、方案、商务文档、学术论文等 无特定行业格式规范 的文档。 路径 A2：Python API 方式（⭐ 默认推荐） 这是默认的创建方式。 当用户没有上传 Markdown 文件时，直接编写 Python 脚本调用 DocxCreator 类创建文档。 import sys sys.path.insert( 0 , "{baseDir}/scripts" ) from create_docx import DocxCreator creator = DocxCreator(style= 'default' ) # 可选: default/business/academic creator.add_title( "文档标题" ) creator.add_heading1( "一、第一章" ) creator.add_paragraph( "正文内容" ) creator.add_paragraph( "详细说明..." , bold_prefix= "（一）小标题。" ) creator.add_table([ "列1" , "列2" ], [[ "A" , "B" ], [ "C" , "D" ]]) creator.add_image( "chart.png" , width= 400 , caption= "图1" ) creator.add_empty_line() creator.add_page_break() creator.save( "output.docx" ) DocxCreator 可用方法： 方法 说明 add_title(text) 居中大标题 add_author(text) 居中署名（支持 \\n 换行） add_heading1(text) 一级标题 add_heading2(text) 二级标题 add_paragraph(text, bold_prefix=None) 正文段落（可选加粗前缀） add_table(headers, rows, col_widths=None) 表格 add_image(path, width=None, caption=None) 图片 add_empty_line() 空行 add_page_break() 分页符 save(filepath) 保存文档 支持的通用风格 ( style )： 风格 说明 适用场景 default 默认现代风格（微软雅黑/Arial） 通用文档 business 商务风格（简洁、专业） 商业方案、合同 academic 学术论文格式（宋体/Times New Roman） 论文、学术报告 ⚠️ 注意 ： gov 风格仍然保留在 DocxCreator 中，但当识别到公文类意图时，应走 路径 B 垂类模板流程 ，按 rules.md 规范用 Python 精确创建，而非简单调用 style='gov' 。 路径 A1：从 Markdown 创建（CLI 方式） 仅当用户明确上传了 Markdown 文件 （如 .md 文件）时才使用此路径。 # 从 Markdown 转换（自动识别标题层级） python3 {baseDir}/scripts/create_docx.py --from-markdown input.md --output output.docx # 带署名 python3 {baseDir}/scripts/create_docx.py --from-markdown input.md --output output.docx \ --author "某某单位\n2026年3月11日" --style default # 指定模板风格 python3 {baseDir}/scripts/create_docx.py --from-markdown input.md --output output.docx --style business Markdown 格式规范： # 文档大标题 ## 一、一级标题 ### （一）二级标题 正文段落内容。 **1. ** 带加粗前缀的段落 - 列表项会转为段落 路径 B：垂类模板创建（专业文档） 当意图识别到用户需要创建符合特定行业/领域格式规范的文档时，必须走此路径。 垂类意图识别关键词 垂类模板 触发关键词 模板路径 公文 公文、通知、请示、批复、报告、函、纪要、意见、决定、命令、公报、议案 {baseDir}/templates/official_document/rules.md 红头文件 红头、红头文件、红头文档、红头模板 {baseDir}/templates/red_head/rules.md (扩展) (未来可添加更多垂类模板) {baseDir}/templates/<模板名>/rules.md 垂类创建流程（三步法） 第一步：读取规范 读取 {baseDir}/templates/<模板名>/rules.md 该文件包含该垂类文档的完整格式规范：字体、字号、行距、页边距、层级编号、标点规则等。 第二步：按规范用 Python 创建 根据 rules.md 中的详细规范（含页面设置、字体对照表、段落格式、代码片段等），直接使用 python-docx API 编写 Python 脚本创建文档。 ⚠️ 不使用 create_docx.py 的内置 style，因为垂类规范比内置 style 更严格精确。所有字体、字号、行距、页边距等参数均以对应 rules.md 为准。 第三步：格式检查 按 rules.md 末尾的格式检查清单逐项确认。 已有垂类模板 模板 目录 规范文件 说明 党政机关公文 templates/official_document/ rules.md 依据 GB/T 9704-2012，涵盖通知、请示、批复、报告、函等全部公文类型 红头文件 templates/red_head/ rules.md + src/red_head_document.py 红头文件模板，含发文机关标志、红色分隔线、版记区域等完整红头要素，基于模板 py 文件 + 搜索素材生成 💡 扩展方式 ：新增垂类模板只需在 templates/ 下创建新目录，添加 rules.md 规范文件，并在上方的意图识别表中注册即可。 附：XML 层面创建（docx-js，高级用法） 如需使用 Node.js docx 库创建高度定制化文档（如复杂嵌套表格、精确页面布局），可安装： npm install -g docx 注意 ：本 skill 推荐优先使用 Python API，docx-js 仅在需要极端定制时作为备选。 docx-js 关键规则： 设置页面大小：A4 (11906×16838 DXA)、US Letter (12240×15840 DXA) 永不使用 \n ，用 Paragraph 分段 永不使用 unicode bullets，用 LevelFormat.BULLET 表格必须同时设置 columnWidths 和 cell width ImageRun 必须指定 type 使用 ShadingType.CLEAR （非 SOLID） 二、读取文档 # 基本文本提取 python3 {baseDir}/scripts/read_docx.py document.docx # 指定输出格式 python3 {baseDir}/scripts/read_docx.py document.docx --format json python3 {baseDir}/scripts/read_docx.py document.docx --format markdown python3 {baseDir}/scripts/read_docx.py document.docx --format text # 提取特定内容 python3 {baseDir}/scripts/read_docx.py document.docx --extract text python3 {baseDir}/scripts/read_docx.py document.docx --extract tables python3 {baseDir}/scripts/read_docx.py document.docx --extract metadata python3 {baseDir}/scripts/read_docx.py document.docx --extract images # 批量处理 python3 {baseDir}/scripts/read_docx.py ./docs_folder --batch --format json --output results.json # 输出到文件 python3 {baseDir}/scripts/read_docx.py document.docx --format markdown --output output.md 输出格式说明： 格式 特点 适用场景 text 纯文本，段落分隔 快速预览 json 结构化数据 程序处理 markdown Markdown 格式 文档转换 三、编辑文档 方式1：JSON 规则编辑（简单场景） python3 {baseDir}/scripts/edit_docx.py input.docx output.docx edits.json 编辑规则格式 (edits.json)： { "description" : "修改说明" , "replacements" : [ { "search" : "旧文本" , "replace" : "新文本" , "style" : "highlight" } ] , "additions" : [ { "after" : "在此文本之后" , "text" : "添加的文本" , "style" : "bold" } ] } 支持的样式： 样式 效果 replace 直接替换 highlight 黄色高亮 delete 删除线+高亮 bold 加粗 underline 下划线 方式2：XML 层面精细编辑（高级场景） 适用于需要 tracked changes、精确格式保留的场景。 步骤 1：解包 python3 {baseDir}/scripts/office/unpack.py document.docx unpacked/ 步骤 2：编辑 XML 直接编辑 unpacked/word/document.xml 。使用 Edit 工具进行字符串替换， 不要写 Python 脚本 。 Tracked Changes 语法： <!-- 插入 --> < w:ins w:id = "1" w:author = "Claude" w:date = "2026-03-11T00:00:00Z" > < w:r > < w:t > 插入的文本 </ w:t > </ w:r > </ w:ins >