名称： docx
描述： "全面的文档创建、编辑和分析功能，支持修订跟踪、批注、格式保留和文本提取。当 Claude 需要处理专业文档（.docx 文件）时，适用于：(1) 创建新文档，(2) 修改或编辑内容，(3) 处理修订跟踪，(4) 添加批注，或任何其他文档任务。"
许可证： 专有。完整条款见 LICENSE.txt
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 归档文件，您可以读取或编辑这些内容。针对不同的任务，您可以使用不同的工具和工作流程。
使用下方的“文本提取”或“原始 XML 访问”部分。
使用“创建新的 Word 文档”工作流程。
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 “修订工作流程”（推荐默认方式）。
法律、学术、商业或政府文档
使用 “修订工作流程”（必需）。
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 在保留文档结构和显示修订方面表现出色：
# 将文档转换为 Markdown 并保留修订
pandoc --track-changes=all 文件路径.docx -o 输出.md
# 选项：--track-changes=accept/reject/all
在以下情况需要访问原始 XML：处理批注、复杂格式、文档结构、嵌入媒体和元数据。对于这些功能，您需要解包文档并读取其原始 XML 内容。
python ooxml/scripts/unpack.py <office_file> <output_directory>
word/document.xml - 主文档内容word/comments.xml - 在 document.xml 中引用的批注word/media/ - 嵌入的图像和媒体文件<w:ins>（插入）和 <w:del>（删除）标签从头开始创建新的 Word 文档时，请使用 docx-js，它允许您使用 JavaScript/TypeScript 创建 Word 文档。
docx-js.md（约 500 行）。阅读此文件时切勿设置任何范围限制。 在开始创建文档之前，请阅读完整文件内容以了解详细语法、关键格式规则和最佳实践。编辑现有 Word 文档时，请使用 Document 库（一个用于 OOXML 操作的 Python 库）。该库自动处理基础架构设置，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。
ooxml.md（约 600 行）。阅读此文件时切勿设置任何范围限制。 阅读完整文件内容以了解 Document 库 API 和直接编辑文档文件的 XML 模式。python ooxml/scripts/unpack.py <office_file> <output_directory>python ooxml/scripts/pack.py <input_directory> <office_file>Document 库为常见操作提供了高级方法，也为复杂场景提供了直接的 DOM 访问。
此工作流程允许您在 OOXML 中实施修改前，使用 Markdown 规划全面的修订跟踪。关键点：要完成修订跟踪，您必须系统地实施所有更改。
批处理策略：将相关的更改分组为每批 3-10 个更改。这使得调试易于管理，同时保持效率。在进入下一批之前测试每一批。
原则：最小化、精确的编辑
实施修订跟踪时，只标记实际发生变化的文本。重复未更改的文本会使审阅更困难，且显得不专业。将替换分解为：[未更改文本] + [删除] + [插入] + [未更改文本]。通过从原始文本中提取 <w:r> 元素并重用它，来保留原始运行（run）的 RSID。
示例 - 将句子中的 "30 days" 改为 "60 days"：
# 错误做法 - 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>'
# 正确做法 - 仅标记更改部分，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>'
获取 Markdown 表示：将文档转换为 Markdown 并保留修订：
bash
pandoc --track-changes=all 文件路径.docx -o 当前.md
识别并分组更改：审阅文档并识别所有需要的更改，将其组织成逻辑批次：
定位方法（用于在 XML 中查找更改）：
- 章节/标题编号（例如，“Section 3.2”、“Article IV”）
- 段落标识符（如果有编号）
- 带有唯一周围文本的 Grep 模式
- 文档结构（例如，“第一段”、“签名块”）
- 请勿使用 Markdown 行号 - 它们不映射到 XML 结构。
批次组织（每批 3-10 个相关更改）：
- 按章节：“批次 1：第 2 节修订”、“批次 2：第 5 节更新”
- 按类型：“批次 1：日期更正”、“批次 2：参与方名称更改”
- 按复杂度：从简单的文本替换开始，然后处理复杂的结构更改
- 按顺序：“批次 1：第 1-3 页”、“批次 2：第 4-6 页”
阅读文档并解包：
ooxml.md（约 600 行）。阅读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。python ooxml/scripts/unpack.py <file.docx> <dir>分批实施更改：将更改按逻辑（按章节、类型或邻近性）分组，并在单个脚本中一起实施。这种方法：
建议的批次分组：
- 按文档章节（例如，“第 3 节更改”、“定义”、“终止条款”）
- 按更改类型（例如，“日期更改”、“参与方名称更新”、“法律术语替换”）
- 按邻近性（例如，“第 1-3 页的更改”、“文档前半部分的更改”）
对于每一批相关更改：
a. 将文本映射到 XML：在 word/document.xml 中 grep 文本，以验证文本如何跨 <w:r> 元素分割。
b. 创建并运行脚本：使用 get_node 查找节点，实施更改，然后 doc.save()。有关模式，请参见 ooxml.md 中的 “Document Library” 部分。
注意：在编写脚本之前，务必立即 grep word/document.xml 以获取当前行号并验证文本内容。每次脚本运行后，行号都会改变。
打包文档：所有批次完成后，将解包的目录转换回 .docx：
bash
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：
bash
pandoc --track-changes=all 已审阅文档.docx -o 验证.mdbash
grep "原始短语" 验证.md # 应该找不到
grep "替换短语" 验证.md # 应该找到为了可视化分析 Word 文档，使用两步过程将其转换为图像：
将 DOCX 转换为 PDF：
bash
soffice --headless --convert-to pdf document.docx
将 PDF 页面转换为 JPEG 图像：
bash
pdftoppm -jpeg -r 150 document.pdf page
这将创建类似 page-1.jpg、page-2.jpg 等文件。
选项：
- -r 150：设置分辨率为 150 DPI（根据需要调整质量/大小平衡）
- -jpeg：输出 JPEG 格式（如果需要 PNG，请使用 -png）
- -f N：要转换的起始页码（例如，-f 2 从第 2 页开始）
- -l N：要转换的结束页码（例如，-l 5 在第 5 页停止）
- page：输出文件的前缀
特定范围示例：
pdftoppm -jpeg -r 150 -f 2 -l 5 document.pdf page # 仅转换第 2-5 页
重要：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
必需的依赖项（如果不可用，请安装）：
sudo apt-get install pandoc（用于文本提取）npm install -g docx（用于创建新文档）sudo apt-get install libreoffice（用于 PDF 转换）sudo apt-get install poppler-utils（用于 pdftoppm 将 PDF 转换为图像）pip install defusedxml（用于安全的 XML 解析）