SkillHub

tdoc-docx

v1.0.0

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.

Sourced from ClawHub, Authored by WenRichard

Installation

Please help me install the skill `tdoc-docx` from SkillHub official store. npx skills add WenRichard/tdoc-docx

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>

<!-- 删除 -->
<w:del w:id="2" w:author="Claude" w:date="2026-03-11T00:00:00Z">
  <w:r><w:delText>删除的文本</w:delText></w:r>
</w:del>

<!-- 最小化编辑: 仅标记变化部分 -->
<w:r><w:t>期限为</w:t></w:r>
<w:del w:id="1" w:author="Claude" w:date="...">
  <w:r><w:delText>30</w:delText></w:r>
</w:del>
<w:ins w:id="2" w:author="Claude" w:date="...">
  <w:r><w:t>60</w:t></w:r>
</w:ins>
<w:r><w:t>天。</w:t></w:r>

添加评论：

python3 {baseDir}/scripts/comment.py unpacked/ 0 "评论内容"
python3 {baseDir}/scripts/comment.py unpacked/ 1 "回复内容" --parent 0

步骤 3：打包

python3 {baseDir}/scripts/office/pack.py unpacked/ output.docx --original document.docx

接受所有修订

python3 {baseDir}/scripts/accept_changes.py input.docx output.docx

四、格式转换

# DOCX 转 PDF
python3 {baseDir}/scripts/convert_docx.py input.docx --to pdf --output output.pdf

# DOCX 转 Markdown
python3 {baseDir}/scripts/convert_docx.py input.docx --to markdown --output output.md

# DOC 转 DOCX（需要 LibreOffice）
python3 {baseDir}/scripts/convert_docx.py input.doc --to docx --output output.docx

# DOCX 转图片（需要 LibreOffice + Poppler）
python3 {baseDir}/scripts/convert_docx.py input.docx --to images --output ./pages/

转换支持矩阵：

源格式 目标格式 工具 说明
.docx .pdf LibreOffice ⭐ 高保真，保留表格/字体/排版
.docx .pdf reportlab 基础转换，仅适合纯文本文档
.docx .md python-docx 结构化提取
.doc .docx LibreOffice 需要 soffice
.docx images LibreOffice+Poppler 逐页转图片

💡 推荐：DOCX→PDF 优先使用 LibreOffice 命令：soffice --headless --convert-to pdf --outdir 输出目录 input.docx

五、差异对比

# 生成 Unified Diff 报告
python3 {baseDir}/scripts/diff_docx.py old.docx new.docx --output diff_report.md

# 输出到终端
python3 {baseDir}/scripts/diff_docx.py old.docx new.docx

六、文件获取

# 从上传获取最新文件
bash {baseDir}/scripts/fetch_file.sh upload output.docx

# 从本地路径
bash {baseDir}/scripts/fetch_file.sh ~/Documents/report.docx output.docx

# 从 URL 下载
bash {baseDir}/scripts/fetch_file.sh https://example.com/file.docx output.docx

# 从 SFTP
bash {baseDir}/scripts/fetch_file.sh sftp://user@host:/path/file.docx output.docx

七、文档分析

文档摘要

对文档内容进行智能分析，提取核心信息：

  • 提取文档主要观点 — 识别文档中的核心论述和结论
  • 生成简短摘要 — 将长文档浓缩为 2-3 句话的概要描述
  • 列出关键要点 — 从文档中提炼 3-5 条最重要的信息点

关键词提取

自动识别文档中的关键信息：

  • 找出重要名词/术语 — 提取文档中的专业术语、人名、机构名等
  • 识别主题 — 判断文档所属领域和讨论的核心主题
  • 提取关键信息 — 发现文档中的关键数据、日期、金额等结构化信息

字数统计

# 统计文档字数（输出到终端）
python3 {baseDir}/scripts/word_count.py document.docx

# 输出为 JSON 格式（方便程序处理）
python3 {baseDir}/scripts/word_count.py document.docx --format json

# 同时输出前 N 字预览
python3 {baseDir}/scripts/word_count.py document.docx --preview 200

统计指标：

指标 说明
总字符数（含空格） 文档全部字符计数
总字符数（不含空格） 去除空格后的字符计数
中文字数 仅中文汉字数量
英文单词数 英文单词计数
数字串数 数字（连续数字算一个）
标点符号数 中英文标点计数
段落数 文档段落总数
预估页数 按 A4 纸估算页数

输出格式

向用户呈现文档分析结果时，应包含以下信息：

  • 文档类型和页数 — 如"docx 文档，约 4 页"
  • 主要内容摘要 — 2-3 句话概述文档核心内容
  • 关键要点（3-5 条） — 文档中最重要的信息点
  • 建议的后续操作 — 如"可进一步编辑第三条款"、"建议添加签名栏"等

💡 使用方式：先用 word_count.py 获取字数统计和文本内容，再结合 AI 能力生成摘要和关键词。

XML 编辑参考

Schema 合规

  • <w:pPr> 元素顺序: <w:pStyle>, <w:numPr>, <w:spacing>, <w:ind>, <w:jc>, <w:rPr> 最后
  • 空白保留: 有前/后空格的 <w:t> 必须设置 xml:space="preserve"
  • RSIDs: 8 位十六进制（如 00AB1234）
  • 在 <w:del> 内: 用 <w:delText> 替代 <w:t>

智能引号

<w:t>这里&#x2019;是引号：&#x201C;你好&#x201D;</w:t>
实体 字符
&#x2018; ' 左单引号
&#x2019; ' 右单引号/撇号
&#x201C; " 左双引号
&#x201D; " 右双引号

评论标记

<!-- 评论标记是 w:p 的直接子元素，不在 w:r 内部 -->
<w:commentRangeStart w:id="0"/>
<w:r><w:t>被评论的文本</w:t></w:r>
<w:commentRangeEnd w:id="0"/>
<w:r><w:rPr><w:rStyle w:val="CommentReference"/></w:rPr><w:commentReference w:id="0"/></w:r>

常见陷阱

  • 替换整个 <w:r> 元素: tracked changes 替换整个 run，不在 run 内部注入标签
  • 保留 <w:rPr> 格式: 复制原 run 的格式到新 run
  • 删除整段时: 必须在 <w:pPr><w:rPr> 中添加 <w:del/>
  • 图片: 添加到 word/media/，注册 relationship 和 content type

依赖

依赖 用途 必需
python-docx 创建/读取/编辑 DOCX ✅
reportlab DOCX→PDF 基础转换 ✅
defusedxml 安全 XML 解析 ✅
lxml XSD 验证 ✅
LibreOffice 高保真 PDF 转换、DOC↔DOCX、接受修订 ✅
pandoc 高级文本提取 ✅
Poppler DOCX→图片 (pdftoppm) ✅
antiword .doc 文件读取 ✅

所有依赖均通过 ./install.sh 一键安装。

故障排除

"ModuleNotFoundError: python-docx"

cd {baseDir} && ./install.sh

"No replacements made"（编辑时）

文本不完全匹配。先用 read_docx.py 预览准确文本。

中文字体乱码（PDF 转换）

确保系统安装中文字体： - macOS: 系统自带 PingFang - Linux: sudo apt install fonts-noto-cjk - Windows: 微软雅黑已预装

LibreOffice 相关

DOC→DOCX 和接受修订功能需要 LibreOffice： - macOS: brew install --cask libreoffice - Linux: sudo apt install libreoffice