Word文档处理

DOCX 文档创建、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，你可以读取或编辑其中的内容。

本技能提供 2 级技术栈：标准流程（md2docx.py：pandoc + doc_styler）用于创建文档和内容提取，复杂流程（python-docx + OOXML）用于编辑已有文档、修订跟踪和批注。

输出规范

样式细节（字体/字号/配色/表格/行距/页脚）由 doc_styler.py 自动处理，以下仅列出 agent 在编写 Markdown 内容时需遵守的规则。

通用

• 正式法律交付物必须包含 AI 辅助、仅供参考、不构成正式法律意见或等价免责声明
• 合同修订版和带批注修订版正文不插入免责声明块，保持合同外观
• 禁止"保证胜诉""绝无风险""完全合规""一定合法"等绝对化法律结论
• 风险、状态、优先级不得只靠颜色表达，必须同时有文字标签
• 依据标签限定为：[已核] [待核] [用规] [事实] [推定] [用户提供] [公开来源]；不得临时自创或混用
• 文件名不得含 emoji；下载件采用可识别的主题和日期命名

word-report

• 全文不得含 emoji

word-revision

• 全文不得含 emoji
• 修订必须使用 OOXML <w:ins> <w:del> <w:delText> 标记，不得用"修改前/修改后"等内联文字或颜色/删除线冒充修订
• 保留原合同纸张、页边距和主体样式，不套报告品牌色

machine-template

• 产品上传模板、法院表单不得改变字段、列序、必填标记、隐藏元数据、校验规则或官方版式
• 必须提供模板一致性或回转测试，并在发布前通过

技术栈分级

升级原则：创建文档统一走标准流程（md2docx.py）。编辑已有文档、修订跟踪、批注、解包分析升级到 python-docx + OOXML。

工作流决策树

判断任务类型

用户需求
├─ 读取/分析文档内容
│   ├─ 只需文本 → read 工具直接读取
│   ├─ 需保留修订/格式 → 标准: pandoc 转 Markdown
│   └─ 需批注/结构/嵌入媒体 → 复杂: 解包 + 原始 XML 访问
│
├─ 创建新文档
│   └─ Markdown + pandoc + 模板 + doc_styler（统一标准流程，见下方"创建 Word 文档"）
│
├─ 编辑现有文档
│   ├─ .doc 文件 → 先转 .docx（见"格式转换"章节），再按下方选择
│   │
│   ├─ 自己的文档 + 简单修改（替换文本/填充占位符） → 复杂: Document 库
│   ├─ 自己的文档 + 结构性修改（增删节/改样式/操作表格） → 复杂: Document 库
│   │
│   └─ 他人的文档（需修订标记）
│       ├─ 法律/学术/商业/政府文档 → 复杂: Redlining 工作流（必须）
│       └─ 普通文档 → 复杂: Redlining 工作流（推荐）

读取和分析内容

从 .docx 文件提取文本（pandoc）

如果只需读取 .docx 文档的文本内容，应使用 pandoc 将文档转换为 Markdown。Pandoc 能很好地保留文档结构，并可显示修订跟踪：

# 将文档转换为 Markdown，保留修订跟踪
pandoc --track-changes=all path-to-file.docx -o output.md
# 选项：--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。要使用这些功能，需要解包文档并读取其原始 XML 内容。

解包文件

以下命令需在 skill 根目录（含 ooxml/ 子目录的目录）下执行，不是 scripts/ 子目录。

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
• 修订跟踪使用 <w:ins>（插入）和 <w:del>（删除）标签

格式转换：将 .doc 转换为 .docx

处理旧版 .doc 文件时，直接用 read 工具读取内容即可。如需保留原始格式编辑，请用户先将其转换为 .docx：

1. 在 Microsoft Word 中打开 .doc 文件
2. 另存为 → 选择 .docx 格式
3. 上传转换后的文件 以进行后续处理

注意：转换后，使用"编辑现有 Word 文档"工作流来修改生成的 .docx 文件。

创建 Word 文档（标准流程）

所有 Markdown → DOCX 创建统一走两步标准流程：pandoc 转换（律师规范模板 + Lua 过滤器）→ doc_styler.py 样式规范化 + 交付前自检。禁止 pandoc 裸输出直接交付。

工作目录约定：本技能所有命令的相对路径都以 skill 根目录为基准（即 SKILL.md 所在目录），不是 scripts/ 子目录。执行命令前请 cd 到 skill 根目录，例如 cd "C:/Users/<用户名>/AppData/Roaming/RicheeAI/SKILLs/custom/Word文档处理"。

一行命令（md2docx.py）

python scripts/md2docx.py input.md -o output.docx

md2docx.py 自动完成 pandoc 转换 + doc_styler 样式化 + 自检。常用参数：

页脚格式

样式规范

md2docx.py 自动应用律师文书规范：宋体（含西文/CJK/复杂脚本统一）+ 1.5 倍行距 + 首行缩进 2 字符、标题统一黑色加粗、表头黑色加粗 + 细灰边框 + 动态列宽分配、AI 免责声明、页码页脚。返回空列表 = 自检通过。

手动分步（需要自定义时）

如需自定义模板或过滤器，手动分步执行：

# 1. pandoc 转换
pandoc input.md \
  --reference-doc=scripts/templates/template.docx \
  --lua-filter=scripts/markdown-to-docx.lua \
  -o draft.docx

# 2. doc_styler 样式化
python -c "
from docx import Document
from doc_styler import apply_doc_style
doc = Document('draft.docx')
violations = apply_doc_style(doc, 'word-report', '文档名称')
if violations:
    print('校验失败:', violations)
    exit(1)
doc.save('final.docx')
"

Markdown 编写指南

对于内容优先的文档，使用语义化 Markdown：

• 标题 # ~ ######
• 段落
• 无序列表和有序列表
• 表格（必须用 HTML <table> 语法，见下方"HTML 合并单元格表格"）
• 链接
• 引用块 >
• 图片（内嵌本地文件 ![](./image.png)，pandoc 支持 PNG/JPEG/SVG）
• 其他 HTML 片段（精确图片尺寸 <img width="300">、自定义样式 <div style="...">）仅在 Markdown 不支持时使用

正式文档 Markdown 正文不得使用 emoji。用 [已核验]、[注意]、[高]、[中]、[低] 等文字标签替代 ✅ ⚠️ 🔴 🟡 🟢，在生成 md 阶段即控制好。

标题编号规范（律师文书）

模板的 Heading 样式已移除 <w:numPr>（禁止 Word 自动编号），标题序号需在 Markdown 中手工编写，按中国法律文书标准层级：

# 文档标题（不加序号）
## 一、一级标题            ← 中文数字 + 、
### （一）二级标题          ← 中文数字 + 括号
#### 1. 三级标题            ← 阿拉伯数字 + .
##### （1）四级标题          ← 阿拉伯数字 + 括号

序号由 Markdown 内容控制，不在模板里设自动编号，避免双份序号。

填空项与下划线

法律文档常含填空项（甲方名称、签署日期、签章位置、合同金额等），需保留下划线格式。Pandoc 原生支持 <u> 标签生成 Word 下划线，样式处理不会覆盖。

语法

示例

**甲方**：<u>北京某某科技有限公司</u>
**乙方**：<u><span style="color:red">待填写</span></u>

签署日期：2026 年<u>　　</u>月<u>　　</u>日
签署地点：<u>　　　　　　　　</u>

法定代表人：＿＿＿＿＿＿　联系电话：＿＿＿＿＿＿

适用场景

• 合同主体信息（甲方/乙方名称、地址、法定代表人）
• 签署信息（日期、地点、签章位置）
• 金额、期限等可变条款

注意：<u> 标签与全角下划线 ＿ 可混用，但同一文档内建议统一风格。红色空缺标识仅用于未填写项，填写后应移除红色样式。

表格填空例外：表格单元格内的填空项不需要下划线。表格本身有边框线，下划线会造成视觉冗余。直接写内容或留空即可：<td>待填写</td> 或 <td></td>。

表格

文档中所有表格统一使用 HTML <table> 语法，不使用标准 Markdown 表格（|...|...| 语法）。HTML 表格是 Markdown 表格的超集，支持合并单元格、列宽控制、单元格对齐等所有场景。

基本语法与合并单元格

用 colspan 跨列合并（rowspan 跨行支持有限，建议改用重复文本或调整结构）：

<table>
<tr>
  <th>条款编号</th>
  <th>原条文内容</th>
  <th>修改后内容</th>
  <th>修改说明</th>
</tr>
<tr>
  <td>第12条</td>
  <td>合同期限为一年</td>
  <td>合同期限为三年</td>
  <td>延长合作周期</td>
</tr>
<tr>
  <td colspan="4"><strong>备注：</strong>以上修改自2026年1月1日起生效。</td>
</tr>
</table>

属性支持

列宽指定

默认 doc_styler.py 根据内容长度动态计算列宽。如需精确控制，在第一行所有 <th>/<td> 上用 style="width:NN%" 指定百分比：

<table>
<tr>
  <th style="width:30%">项目</th>
  <th style="width:35%">招标人</th>
  <th style="width:35%">招标代理机构</th>
</tr>
<tr>
  <td>1</td>
  <td>甲方</td>
  <td>代理</td>
</tr>
</table>

规则：

• 必须覆盖第一行所有列位（缺一不可，否则回退动态计算）
• 只支持百分比（width:30%），不支持 px/em
• 比例总和接近 100%（容差 ±5%）
• 含 colspan 的表头：width 按 colspan 平均分配（如 colspan="2" style="width:40%" 等价每列 20%）
• 适用：招标书/合同附件等有标准列宽要求的表格，或需避免窄列被挤压的场景

单元格对齐

在 <td> / <th> 上使用 HTML align 属性：

<td align="center">内容</td>
<td align="left">内容</td>
<td align="right">内容</td>

支持值：center、left、right。未指定时默认左对齐。

注意：表格对齐用 align 属性，不要用标准 Markdown 表格语法（| :---: |）——本技能所有表格统一用 HTML <table>。

段落对齐

段落对齐与表格对齐独立，通过 Fenced Div + class 控制段落左/中/右/两端对齐：

::: {.text-center}
居中的标题或正文
:::

::: {.text-right}
右对齐的署名或日期
:::

规则：

• ::: 标记必须独占一行，且与前面的块之间留空行。两种常见错误写法都会失效：① 写在段落文字中间；② 紧跟在段落文字行之后（无空行）——这两种情况下 pandoc 都会把 ::: 吞进前一个段落当普通文本，对齐不生效（仅标题等块级元素之后可紧跟无空行）
• 每个 Fenced Div 可包含多个段落，所有段落统一应用该对齐
• 支持嵌套：外层 Div 的对齐会透传到内层无对齐属性的 Div
• 与 .no-indent / .indent 等缩进 class 可共存于同一 Div
• 与其他 class 共存时，仅提取对齐相关 class，其余保留
• 不可与表格对齐混用（表格用 align 属性）

首行缩进控制

模板默认正文段落首行缩进 2 字符。署名区、日期、引用块等场景需取消缩进时，通过 Fenced Div + class 控制：

:::: {.no-indent}
甲方：北京某某科技有限公司
签署日期：2026 年 8 月 13 日
::::

规则：

• ::: 标记必须独占一行，且与前面的块之间留空行。两种常见错误写法都会失效：① 写在段落文字中间；② 紧跟在段落文字行之后（无空行）——这两种情况下 pandoc 都会把 ::: 吞进前一个段落当普通文本，缩进不生效（仅标题等块级元素之后可紧跟无空行）
• 与 .text-center / .text-right 等对齐 class 可共存于同一 Div
• 支持嵌套：外层 .no-indent 透传到内层无缩进属性的 Div
• 仅作用于段落（Para/Plain），表格/列表/标题不受影响

分页符

法律文档常需在附件、签署栏、附录、独立说明页等位置强制分页（模板的 Heading 样式未配置自动分页，章节标题不会自动新起一页）。下列任一写法（独立成行，前后必须空行）会被自动识别并转换为 Word 分页符：

写法

示例

# 合同正文

（正文内容）

\newpage

# 附件一：标的物清单

（附件内容）

<div style="page-break-after: always"></div>

# 签署栏

甲方：________________

注意

• 前后必须空行，否则 pandoc 会将 \newpage 当作行内文本，将 <div> 当作行内 HTML 处理
• 三种写法等价，同一文档内建议统一风格
• 不要把 --- 当作分页符——--- 是水平线（见下方"水平线"章节），不会分页；强制分页请用上述三种写法
• 模板未给 Heading 1 配置 pageBreakBefore，章节标题不会自动分页——如需"每个章节独立成页"，必须在每个章节标题前显式加分页符；如希望所有 H1 自动分页，可在 scripts/templates/template.docx 的 Heading 1 样式里加 <w:pageBreakBefore/>

水平线（---）

Markdown 的 --- 在标准语法中是水平线（horizontal rule），但 Pandoc 默认把它渲染为 VML <v:rect o:hr="t"/> 水平线对象，在 Word 中显示为可见横线，视觉突兀。

处理策略：md2docx.py 自动把 --- 转为带上下间距的空段落（保留视觉分隔感，无可见横线）。

使用建议：

• 在 markdown 中可放心使用 --- 作为章节间的视觉分隔，Word 输出为间距，不会出现横线
• 如果确实需要分页，不要用 ---，应使用 \newpage（见上方"分页符"章节）
• 如果需要可见分隔线（如合同附件清单的视觉断点），用 <u>　　　　　　　　</u>（下划线空格）或表格整行单元格替代

文档内锚点跳转

在标题上定义锚点 ID，正文中引用即可在 Word 中点击跳转（Ctrl+点击）：

## 三、合同主体 {#contract-parties}

合同主体条款详见[合同主体部分](#contract-parties)，权利义务见[下文](#rights-obligations)。

### 3.1 权利义务 {#rights-obligations}

• 锚点 ID 必须为英文字母/数字/连字符（如 clause-3、rights-obligations），不要用中文
• 一个标题定义一个锚点，多处可引用同一锚点
• Pandoc 自动在目标标题处生成 Word 书签，链接处生成内部超链接

脚注

使用 [^id] 语法插入脚注，适合标注法规依据、引用来源：

违约金过分高于造成的损失[^1]。

[^1]: 《民法典》第585条第2款：约定的违约金过分高于造成的损失的，人民法院或者仲裁机构可以根据当事人的请求予以适当减少。

• 脚注自动编号，无需手动管理序号
• 脚注文本自动应用宋体 + 小字号样式
• 生成的 Word 中脚注引用为上标数字，点击可跳转到页脚脚注内容

DOCX → Markdown 反向转换

将 .docx 转回 Markdown 以便编辑或归档。

一行命令（docx2md.py）

# cwd = skill 根目录
python scripts/docx2md.py input.docx -o output.md

常用参数：

修订跟踪处理

如果 docx 含修订跟踪（<w:ins> / <w:del>），需要通过 -- 透传 pandoc 参数控制如何呈现：

# 接受所有修订后转换（默认行为，输出最终态）
python scripts/docx2md.py input.docx -o output.md

# 保留修订标记（含 ~~删除线~~ 和 [新增]{.ins} 等标记）
python scripts/docx2md.py input.docx -o output.md -- --track-changes=all

# 拒绝所有修订后转换（输出原始态）
python scripts/docx2md.py input.docx -o output.md -- --track-changes=reject

--track-changes 取值：accept（默认）/ all / reject。

直接用 pandoc（无封装）

如果不需要 docx2md.py 的封装（图片提取、参数透传），可直接调 pandoc：

pandoc input.docx -t markdown -o output.md
pandoc --track-changes=all input.docx -t markdown -o output.md

注意事项

• 标题中的 <w:b/> 属性会被 pandoc 解析为 **...** 加粗标记（模板 Heading 样式自带 bold），转换后可能看到 # **标题** 这种形式，可手动去掉 **
• gfm 格式比 pandoc 原生 markdown 更通用，但表格语法略不同；如需保留 pandoc 扩展语法用 --to markdown
• 图片会被提取到 --media-dir 指定目录，markdown 中以相对路径引用

高级编辑（按需阅读）

以下场景仅在编辑现有 Word 文档或执行 Redlining 修订跟踪时需要，新建文档无需参考。 详细工作流请查阅 advanced-editing.md。

代码风格指南

重要：为 DOCX 操作生成代码时：

• 编写简洁代码，避免冗长的变量名和多余操作
• Python 脚本：避免不必要的 print 语句，用 sys.exit(1) 明确退出码

依赖

标准流程（md2docx.py）

• python-docx：pip install python-docx（doc_styler.py / md2docx.py / docx2md.py 依赖）

复杂（Document 库 + OOXML 工具）

• defusedxml：pip install defusedxml（安全的 XML 解析）
• 使用前必须完整阅读 ooxml.md