DOCX

DOCX Processing Guide

工作流决策树

读取文档

转换为 Markdown

# 基础转换
pandoc document.docx -o output.md

# 保留修订追踪
pandoc --track-changes=all document.docx -o output.md

创建新文档 (JavaScript)

const { Document, Packer, Paragraph, TextRun } = require('docx');

const doc = new Document({
  sections: [{
    children: [
      new Paragraph({
        children: [
          new TextRun({ text: "标题", bold: true, size: 32 }),],
      }),
      new Paragraph({
        children: [
          new TextRun("正文内容"),
        ],
      }),
    ],
  }],
});

// 导出
Packer.toBuffer(doc).then(buffer => {
  fs.writeFileSync("output.docx", buffer);
});

编辑文档 (Python)

from docx import Document

# 打开文档
doc = Document('existing.docx')

# 添加段落
doc.add_paragraph('新段落内容')

# 添加标题
doc.add_heading('新标题', level=1)

# 添加表格
table = doc.add_table(rows=2, cols=2)
table.cell(0, 0).text = '单元格内容'

# 保存
doc.save('modified.docx')

提取文本

from docx import Document

doc = Document('document.docx')
full_text = []
for para in doc.paragraphs:
    full_text.append(para.text)
print('\n'.join(full_text))

修订追踪工作流

1. 转换查看：pandoc --track-changes=all file.docx -o current.md
2. 识别变更：标记需要修改的位置
3. 实施变更：使用 OOXML 添加 <w:ins> 和 <w:del> 标签
4. 验证结果：再次转换确认修改正确

文档转图片

# DOCX → PDF
soffice --headless --convert-to pdf document.docx

# PDF → 图片
pdftoppm -jpeg -r 150 document.pdf page

依赖安装

# Python
pip install python-docx

# JavaScript
npm install docx

# 命令行工具
sudo apt-get install pandoc libreoffice poppler-utils