tdoc-docx

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.

# 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）**

```bash
cd {baseDir}
./install.sh
```

**方式2：手动安装**

```bash
# 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`<br>Linux: `sudo apt install libreoffice` |
| pandoc | 高级文本提取 | macOS: `brew install pandoc`<br>Linux: `sudo apt install pandoc` |
| Poppler | DOCX→图片 (pdftoppm) | macOS: `brew install poppler`<br>Linux: `sudo apt install poppler-utils` |
| antiword | .doc 文件读取 | macOS: `brew install antiword`<br>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。

```python
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 `\
` 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。

```bash
# 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：**

```markdown
# 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 `
`，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

```bash
# 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）

```bash
python3 {baseDir}/scripts/edit_docx.py input.docx output.docx edits.json
```

**编辑规则格式 (edits.json)：**

```json
{
  "descripti