docx

# DOCX 创建、编辑与分析 ## 概述 .docx 文件是一个包含 XML 文件的 ZIP 压缩包。 ## 快速参考 | 任务 | 方法 | |------|----------| | 读取/分析内容 | 使用 `pandoc` 或解压获取原始 XML | | 创建新文档 | 使用 `docx-js` - 参见下文“创建新文档” | | 编辑现有文档 | 解压 → 编辑 XML → 重新打包 - 参见下文“编辑现有文档” | ### 将 .doc 转换为 .docx 旧版 `.doc` 文件在编辑前必须进行转换： bash python scripts/office/soffice.py --headless --convert-to docx document.doc ### 读取内容 bash # 包含修订记录的文本提取 pandoc --track-changes=all document.docx -o output.md # 原始 XML 访问 python scripts/office/unpack.py document.docx unpacked/ ### 转换为图片 bash python scripts/office/soffice.py --headless --convert-to pdf document.docx pdftoppm -jpeg -r 150 document.pdf page ### 接受修订记录 若要生成一份已接受所有修订记录的整洁文档（需要 LibreOffice）： bash python scripts/accept_changes.py input.docx output.docx --- ## 创建新文档 使用 JavaScript 生成 .docx 文件，然后进行验证。安装：`npm install -g docx` ### 设置 javascript const { Document, Packer, Paragraph, TextRun, Table, TableRow, TableCell, ImageRun, Header, Footer, AlignmentType, PageOrientation, LevelFormat, ExternalHyperlink, InternalHyperlink, Bookmark, FootnoteReferenceRun, PositionalTab, PositionalTabAlignment, PositionalTabRelativeTo, PositionalTabLeader, TabStopType, TabStopPosition, Column, SectionType, TableOfContents, HeadingLevel, BorderStyle, WidthType, ShadingType, VerticalAlign, PageNumber, PageBreak } = require('docx'); const doc = new Document({ sections: [{ children: [/* 内容 */] }] }); Packer.toBuffer(doc).then(buffer => fs.writeFileSync("doc.docx", buffer)); ### 验证 创建文件后进行验证。如果验证失败，请解压、修复 XML 并重新打包。 bash python scripts/office/validate.py doc.docx ### 页面尺寸 javascript // 关键：docx-js 默认使用 A4，而非 US Letter // 始终显式设置页面尺寸以获得一致的结果 sections: [{ properties: { page: { size: { width: 12240, // DXA 单位下的 8.5 英寸 height: 15840 // DXA 单位下的 11 英寸 }, margin: { top: 1440, right: 1440, bottom: 1440, left: 1440 } // 1 英寸页边距 } }, children: [/* 内容