TDOC Docx

---

name: tdoc-docx version: 1.0.0 description: > 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. metadata: openclaw: emoji: 📄 requires: bins: - python3 - uv install: - id: uv-env kind: uv path: . bins: [create_docx.py, read_docx.py, edit_docx.py, convert_docx.py, diff_docx.py, word_count.py]

---

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：

  插入的文本


  删除的文本

期限为

  30


  60

天。

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

元素顺序: , , , , , 最后

空白保留: 有前/后空格的 必须设置 xml:space="preserve"

RSIDs: 8 位十六进制（如 00AB1234）

在 内: 用 替代

智能引号

这里’是引号：“你好”

| 实体 | 字符 | |------|------| | ‘ | ' 左单引号 | | ’ | ' 右单引号/撇号 | | “ | " 左双引号 | | ” | " 右双引号 |

评论标记

被评论的文本

常见陷阱

替换整个 元素: tracked changes 替换整个 run，不在 run 内部注入标签

保留 格式: 复制原 run 的格式到新 run

删除整段时: 必须在 中添加

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