docx

# DOCX 创建、编辑和分析 ## 概述 用户可能会要求您创建、编辑或分析 .docx 文件的内容。.docx 文件本质上是一个包含 XML 文件和其他资源的 ZIP 压缩包，您可以读取或编辑这些内容。针对不同任务，您有不同的工具和工作流程可用。 ## 工作流程决策树 ### 读取/分析内容 使用下方的"文本提取"或"原始 XML 访问"章节 ### 创建新文档 使用"创建新 Word 文档"工作流程 ### 编辑现有文档 - **您自己的文档 + 简单修改** 使用"基础 OOXML 编辑"工作流程 - **他人的文档** 使用 **"红线批注工作流程"**（推荐默认） - **法律、学术、商业或政府文档** 使用 **"红线批注工作流程"**（必须） ## 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 能够很好地保留文档结构，并能显示修订追踪： ```bash # 将文档转换为 markdown 并保留修订追踪 pandoc --track-changes=all path-to-file.docx -o output.md # 选项：--track-changes=accept/reject/all ``` ### 原始 XML 访问 以下功能需要原始 XML 访问：批注、复杂格式、文档结构、嵌入式媒体和元数据。对于这些功能，您需要解包文档并读取其原始 XML 内容。 #### 解包文件 `python ooxml/scripts/unpack.py <office_file> <output_directory>` #### 关键文件结构 * `word/document.xml` - 主文档内容 * `word/comments.xml` - document.xml 中引用的批注 * `word/media/` - 嵌入的图片和媒体文件 * 修订追踪使用 `<w:ins>`（插入）和 `<w:del>`（删除）标签 ## 创建新 Word 文档 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。 ### 工作流程 1. **必须 - 完整阅读文件**：从头到尾完整阅读 [`docx-js.md`](docx-js.md)（约 500 行）。**读取此文件时切勿设置任何范围限制。** 在开始创建文档之前，完整阅读文件内容以了解详细语法、关键格式规则和最佳实践。 2. 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，如果没有，请参阅下方的依赖项章节） 3. 使用 Packer.toBuffer() 导出为 .docx ## 编辑现有 Word 文档 编辑现有 Word 文档时，使用 **Document 库**（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，您可以通过该库直接访问底层 DOM。 ### 工作流程 1. **必须 - 完整阅读文件**：从头到尾完整阅读 [`ooxml.md`](ooxml.md)（约 600 行）。**读取此文件时切勿设置任何范围限制。** 完整阅读文件内容以了解 Document 库 API 和直接编辑文档文件的 XML...