
关于
创建、编辑或分析 .docx 文件内容。.docx 文件本质上是包含 XML 文件和其他资源的 ZIP 归档,可读取或编辑。针对不同任务提供不同工具和工作流
name: docx-official description: "用户可能要求你创建、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,你可以读取或编辑它。针对不同任务,你有不同的工具和工作流可用。" risk: unknown source: community date_added: "2026-02-27"
DOCX 创建、编辑与分析
概述
用户可能要求你创建、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,你可以读取或编辑它。针对不同任务,你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
编辑现有文档
-
你自己的文档 + 简单修改 使用"基础 OOXML 编辑"工作流
-
他人的文档 使用**"修订标记工作流"**(推荐默认方式)
-
法律、学术、商务或政府文档 使用**"修订标记工作流"**(必须使用)
读取和分析内容
文本提取
如果你只需要读取文档的文本内容,应使用 pandoc 将文档转换为 markdown。Pandoc 对保留文档结构有出色的支持,并且可以显示修订记录:
# Convert document to markdown with tracked changes
pandoc --track-changes=all path-to-file.docx -o output.md
# Options: --track-changes=accept/reject/all
原始 XML 访问
以下情况需要原始 XML 访问:批注、复杂格式、文档结构、嵌入媒体和元数据。对于这些功能,你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- 修订记录使用
<w:ins>(插入)和<w:del>(删除)标签
创建新 Word 文档
从零开始创建新 Word 文档时,使用 docx-js,它允许你使用 JavaScript/TypeScript 创建 Word 文档。
工作流
- 必须 - 完整阅读文件:完整阅读
docx-js.md(约500行)。读取此文件时绝不设置任何范围限制。 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。 - 使用 Document、Paragraph、TextRun 组件创建 JavaScript/TypeScript 文件(可以假设所有依赖已安装,如未安装请参考下方依赖章节)
- 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(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,你可以通过该库直接访问底层 DOM。
工作流
- 必须 - 完整阅读文件:完整阅读
ooxml.md(约600行)。读取此文件时绝不设置任何范围限制。 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 模式。 - 解包文档:
python ooxml/scripts/unpack.py <office_file> <output_directory> - 使用 Document 库创建并运行 Python 脚本(参见 ooxml.md 中的"Document Library"章节)
- 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,同时为复杂场景提供直接 DOM 访问。
文档审阅的修订标记工作流
此工作流允许你在实施 OOXML 修改之前,先使用 markdown 规划全面的修订记录。关键:要实现完整的修订记录,你必须系统地实施所有更改。
批处理策略:将相关更改分组为3-10个一批。这使调试更易管理,同时保持效率。在进入下一批之前测试每一批。
原则:最小化、精确编辑
实施修订记录时,只标记实际发生变化的文本。重复未更改的文本会使编辑更难审阅,且显得不专业。将替换拆分为:[未更改文本] + [删除] + [插入] + [未更改文本]。通过从原始文档中提取 <w:r> 元素并重用它,保留原始 run 的 RSID。
示例 - 将句子中的"30 days"改为"60 days":
# BAD - Replaces entire sentence
'<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>'
# GOOD - Only marks what changed
# [keep original run for "The term is "] + [delete "30"] + [insert "60"] + [keep original run for " days."]