DOCX Unpack

将DOCX文件解压为XML目录

cas-bigdatalab 6b72fb0 3 files · 8.4 KB Updated

File contents

docx_unpack 技能

功能说明

该技能将DOCX文件解压为XML目录结构,方便查看和编辑DOCX内部的XML文件。DOCX本质上是一个ZIP压缩包,包含多个XML文件和资源文件。

核心功能

  • 将DOCX文件解压为可读的XML目录
  • 支持合并相邻相同格式的文本运行(优化XML结构)
  • 自动处理智能引号等特殊字符
  • 自动创建输出目录

使用方法

python scripts/run_docx_unpack.py --input_path <输入DOCX> --output_dir <输出目录> [--merge_runs]

参数说明

参数 类型 必填 默认值 说明
input_path string - 输入DOCX文件路径
output_dir string - 输出目录路径
merge_runs bool true 是否合并相邻的文本运行

示例

python scripts/run_docx_unpack.py --input_path document.docx --output_dir ./unpacked/

输出结构

解压后的目录结构:

output_dir/
├── [Content_Types].xml
├── _rels/
│   └── .rels
└── word/
    ├── document.xml
    ├── styles.xml
    ├── settings.xml
    └── ...

注意事项

  • 输出目录不存在时会自动创建
  • 合并运行功能可以减少XML文件中的冗余标签
  • 解压后的XML文件可以直接编辑,之后可使用docx_pack重新打包

cas-bigdatalab/piflow/tree/main/workspace/skills/docx_unpack commit 6b72fb01b9

Frequently asked questions

npx skillmds@latest add cas-bigdatalab/docx-unpack