DOCX Editor

Safety Rules

参见 _shared/core/safety-rules.md — 所有安全规则从共享层加载，避免跨技能重复维护。

关键补充：生产环境不覆盖原文件。所有编辑输出写为新文件（<原名>-edited.docx 或用户指定路径）。原地保存 doc.save() 虽走临时文件+原子移动，但仍属破坏性操作，仅在用户明确要求时使用。

Docx 文档编辑 (DocxEditor / Lossless DOCX Editor)

严格"只改要改的，其余一字不动"的 DOCX 编辑技能。核心原则：把 .docx 当 ZIP 容器，用 lxml 直接操作里面的原始 XML，保存时未修改的部件逐字节复制，只有被改动的部件才重新序列化。绝不用 python-docx 重新生成整个文档——那样会让每个被加载的部件都被重写，导致格式漂移和"打开→保存"不再幂等。

The one rule that matters: a .docx is a ZIP of OOXML parts. Edit only the parts you mean to change; on save, copy every other part byte-for-byte from the original. Never regenerate the whole document.

Quick Commands

核心理念 / Core Philosophy

从一次真实的"改个字却毁了整个文档格式"的事故中提炼：用 python-docx 打开一个精心排版的 docx，改一个段落文字，保存——结果字体、字号、行距、表格边框、页眉页脚全变了，因为 python-docx 把整个文档对象模型重新序列化了。

四条铁律：

1. 不重写没改的。.docx 是 ZIP，每个 entry（document.xml、styles.xml、header1.xml、footnotes.xml、comments.xml、图片...）都是独立部件。只重新序列化你真正改过的部件，其余从原始字节缓存逐字节回写。
2. 惰性解析。只有当你访问某个 part 时才用 lxml 解析它。只读（如读段落文字）不触发 dirty。解析后的树被修改，必须显式 mark_dirty(name)。
3. 保留 ZIP 元信息。保存时沿用每个 entry 的原始 date_time，条目顺序与原文件一致——不排序、不重排。
4. 克隆而非新建。增删表格行列、插入段落时，深拷贝已有元素作为模板（含 rPr/pPr/tcPr/gridSpan/vMerge 全部属性），绝不用 etree.SubElement 从零建——那样会丢光格式。

四步工作流 / Four-Step Workflow

Step 1  打开 Open
   DocxEditor(path) 把 docx 当 ZIP 读入，缓存每个 entry 的原始字节到 _raw 字典。
   不解析 XML，直到你真正访问某个 part 才惰性解析到 _trees。

Step 2  编辑 Edit（三条路径，按改动面由小到大）
   a) 高层助手（推荐）— replace_text / Paragraph.set_text / Cell.set_text /
      Table.add_row / Table.delete_column / Paragraph.insert_paragraph_after /
      Paragraph.style。只改必要元素，自动标记 dirty。
   b) 直接操作 lxml — doc.xml("word/footnotes.xml") 拿到根元素后直接改
      t.text = ...；必须手动 doc.mark_dirty("word/footnotes.xml")。
   c) 整体替换部件字节 — doc.set_part_bytes("word/media/image1.png", png_bytes)，
      用于换图片/字体等二进制部件，不经过 lxml。

Step 3  保存 Save
   doc.save(out) 或 doc.save()（原地覆盖，走临时文件+原子移动）。
   dirty 集合里的 XML 部件重新序列化；其余从 _raw 逐字节回写；
   ZIP 条目顺序与原文件一致。新部件（dirty 里但不在原 names 中）追加。

Step 4  校验 Verify
   重新打开输出文件，确认编辑生效；对比原始与输出的部件字节，
   确认只有预期 part 改了，其余全部 byte-identical。

关键实现要点 / Key Implementation Notes

• dirty 集合是唯一真相：save() 只重写 self._dirty 中的 part。高层助手自动标记；直接改 lxml 元素后必须 doc.mark_dirty(name)。
• 跨 run 替换：replace_text 把段落所有 <w:t> 拼成完整文本定位匹配，替换文字落入首个命中 run（继承其格式），其余命中 run 只删匹配部分。OOXML 常把一个词拆到多个 run，简单按 run 替换会漏匹配。
• 段落重写保格式：Paragraph.set_text 把新文字写进第一个有 <w:t> 的 run（保留它的 rPr：字体/字号/颜色/粗斜体），清空其余 run；段落 pPr（样式/对齐/缩进/编号）不动。
• 表格行列克隆：Table.add_row/add_column 用 copy.deepcopy 复制最后一行/列（含 tcPr/gridSpan/vMerge/底纹），清空文字但保留段落和 run 骨架。
• 页眉/页脚/脚注/尾注/批注：这些 part 不是 document.xml，高层助手不直接覆盖。统一用 doc.xml(name) + 改元素 + doc.mark_dirty(name)。页脚的页码域（PAGE/NUMPAGES）不要动 instrText/fldChar，只改域前后的文字 <w:t>。
• 换图片/二进制：doc.set_part_bytes("word/media/image1.png", new_bytes) 走原始字节替换，不经过 lxml，对二进制最安全。
• 解包/打包：unpack 用 zipfile.extractall 原样解压；repack 把 [Content_Types].xml 写在首位（Word 要求），其余按稳定排序。解包→重新打包后每个 part 内容字节与原文件一致。

详见 scripts/docxmod_skill.py —— 单文件可嵌入的完整引擎（约 480 行，依赖 lxml）。 GUI 见 scripts/docxmod_gui.py —— PySide6 界面（约 360 行）。

Rules

• rules/workflow.md - 完整四步工作流与命令行操作
• rules/format-preservation.md - 无损保格式的具体 OOXML 技术（字节缓存、dirty 集合、跨 run 替换、克隆增删）
• rules/editable-targets.md - 所有可编辑部件的定位方法与代码示例（段落/表格/页眉/脚注/批注/图片/属性）
• rules/edge-cases.md - 边界情况（合并单元格、嵌套表格、页码域、命名空间）与排错表

适用场景 / Supported Scenarios

• 改文档里的文字但不能让格式有任何变化（如改合同金额、改报告年份、改名字）
• 全局查找替换（含跨 run 的词、含页眉页脚脚注里的词）
• 编辑表格单元格、增删行列（保留表格样式）
• 编辑页眉/页脚/脚注/尾注/批注的文字
• 换文档里的图片、签名、Logo（保留其他一切）
• 批量修改文档属性（标题、作者）
• 解包 .docx 到目录，用任意工具改原始 XML/图片，再重新打包
• 需要确认"只有我改的那一处变了，其余逐字节一致"的审计场景

边界情况 / Edge Cases

• 合并单元格：Table.cell(r,c) 按物理 tc 索引，col_count() 是最大物理 tc 数，与逻辑列数可能不同。用 rows[r].findall(w("tc")) 按物理定位。
• 表格内段落：doc.paragraphs 只含 body 直属段落。表格内用 doc.all_paragraphs() 或 cell.paragraphs。
• 页码域：页脚的 PAGE/NUMPAGES 是域代码，只改域前后的文字 <w:t>，不要动 instrText/fldChar。
• 命名空间：docProps/core.xml 用 dc 命名空间，不是 w。[Content_Types].xml 用包内容类型命名空间。
• 大文件：DocxEditor 一次性读入整个 ZIP 到内存。对极大 docx 先 unpack 解包，改完再 repack 更省内存。

常见问题排查 / Troubleshooting

• 保存后编辑丢失 → 直接改了 lxml 元素但没 mark_dirty。在 save() 前调 doc.mark_dirty(part_name)。
• 保存后所有部件都变了 → 用了 python-docx 的 Document.save() 而非本技能的 DocxEditor.save()。改用 from docxmod import DocxEditor。
• 页眉/脚注/批注改了没生效 → 这些 part 不被 replace_text 覆盖；直接改 XML 后必须 mark_dirty。
• Word 打开报损坏 → 改了 [Content_Types].xml 但没加对 override；或删了单元格唯一段落（单元格必须至少有一段，用 set_text("") 而非 delete()）。
• 跨 run 替换没命中 → replace_text 已处理跨 run，但若 run 被 <w:proofErr> 打断可能漏。检查 XML，必要时 unpack 手工处理再 repack。

验证 / Verification

本技能自带测试 tests/test_docxmod.py（约 280 行，无需外部样本，自建最小合法 docx）：

python tests/test_docxmod.py    # 直接运行
# 或
pytest tests/test_docxmod.py -v

覆盖 16 项检查：解包↔打包字节级一致、打开→保存(不改)无损、全局替换、跨 run 替换、段落重写、段落增删、表格单元格、表格行列增删、段落样式、页眉编辑、脚注编辑、批注编辑、部件字节替换、原地保存、查找、原文件不被破坏。

依赖 / Dependencies

• 必需：lxml（pip install lxml）
• 可选：PySide6（GUI，pip install PySide6）
• 测试：pytest（可选，测试脚本也可直接 python 运行）
• 依赖 _shared/core/safety-rules.md

文件结构

skills/docx-editor/
├── README.md
├── SKILL.md
├── rules/
│   ├── workflow.md              # 四步工作流与命令行操作
│   ├── format-preservation.md   # 无损保格式的 OOXML 技术
│   ├── editable-targets.md      # 所有可编辑部件的定位与示例
│   └── edge-cases.md            # 边界情况与排错
├── scripts/
│   ├── docxmod_skill.py         # 单文件引擎（核心，约 480 行）
│   └── docxmod_gui.py           # PySide6 GUI（约 360 行）
└── tests/
    └── test_docxmod.py          # 自验证测试（约 280 行）

版本历史 / Version History

See Also / 相关技能

• /填表 from tianbiao — 照固定模板填数据（本技能侧重"改已有内容"，填表侧重"往空模板里填"）
• /公文 from official-document-writer — 从零撰写公文正文（本技能不生成内容，只编辑已有文档）