--- name: docx description: "全面的文件創建、編輯和分析，支援追蹤修訂、註解、格式保留和文字擷取。當 Claude 需要處理專業文件（.docx 檔案）時使用：(1) 創建新文件、(2) 修改或編輯內容、(3) 處理追蹤修訂、(4) 添加註解，或任何其他文件任務" license: 專有。LICENSE.txt 包含完整條款 --- # DOCX 創建、編輯和分析 ## 概述使用者可能會要求你創建、編輯或分析 .docx 檔案的內容。.docx 檔案本質上是一個包含 XML 檔案和其他資源的 ZIP 壓縮檔，你可以讀取或編輯。對於不同的任務，你有不同的工具和工作流程可用。 ## 工作流程決策樹 ### 讀取\/分析內容使用下方的「文字擷取」或「原始 XML 存取」章節 ### 創建新文件使用「創建新 Word 文件」工作流程 ### 編輯現有文件 - **你自己的文件 + 簡單更改** 使用「基本 OOXML 編輯」工作流程 - **他人的文件** 使用**「紅線標記工作流程」**（建議預設） - **法律、學術、商業或政府文件** 使用**「紅線標記工作流程」**（必需） ## 讀取和分析內容 ### 文字擷取如果你只需要讀取文件的文字內容，應該使用 pandoc 將文件轉換為 markdown。Pandoc 提供出色的文件結構保留支援，並可顯示追蹤修訂： ```bash # 將文件轉換為 markdown 並保留追蹤修訂 pandoc --track-changes=all path-to-file.docx -o output.md # 選項：--track-changes=accept\/reject\/all ``` ### 原始 XML 存取你需要原始 XML 存取來處理：註解、複雜格式、文件結構、嵌入媒體和中繼資料。對於這些功能，你需要解壓文件並讀取其原始 XML 內容。 #### 解壓檔案 `python ooxml\/scripts\/unpack.py ` #### 關鍵檔案結構 * `word\/document.xml` - 主要文件內容 * `word\/comments.xml` - document.xml 中引用的註解 * `word\/media\/` - 嵌入的圖片和媒體檔案 * 追蹤修訂使用 ``（插入）和 ``（刪除）標籤 ## 創建新 Word 文件從頭創建新 Word 文件時，使用 **docx-js**，它允許你使用 JavaScript\/TypeScript 創建 Word 文件。 ### 工作流程 1. **必須 - 讀取整個檔案**：從頭到尾完整讀取 [`docx-js.md`](docx-js.md)（約 500 行）。**讀取此檔案時絕不設定任何範圍限制。** 讀取完整檔案內容以獲取詳細語法、關鍵格式規則和最佳實踐，然後再進行文件創建。 2. 使用 Document、Paragraph、TextRun 元件創建 JavaScript\/TypeScript 檔案（你可以假設所有依賴項都已安裝，如果沒有，請參閱下方的依賴項章節） 3. 使用 Packer.toBuffer() 匯出為 .docx ## 編輯現有 Word 文件編輯現有 Word 文件時，使用 **Document 程式庫**（用於 OOXML 操作的 Python 程式庫）。該程式庫自動處理基礎設施設置並提供文件操作方法。對於複雜場景，你可以透過程式庫直接存取底層 DOM。 ### 工作流程 1. **必須 - 讀取整個檔案**：從頭到尾完整讀取 [`ooxml.md`](ooxml.md)（約 600 行）。**讀取此檔案時絕不設定任何範圍限制。** 讀取完整檔案內容以獲取 Document 程式庫 API 和直接編輯文件檔案的 XML 模式。 2. 解壓文件：`python ooxml\/scripts\/unpack.py ` 3. 使用 Document 程式庫創建並執行 Python 腳本（參見 ooxml.md 中的「Document 程式庫」章節） 4. 打包最終文件：`python ooxml\/scripts\/pack.py ` Document 程式庫為常見操作提供高階方法，也為複雜場景提供直接 DOM 存取。 ## 文件審查的紅線標記工作流程此工作流程允許你在實施 OOXML 之前使用 markdown 規劃全面的追蹤修訂。**關鍵**：對於完整的追蹤修訂，你必須系統地實施所有更改。 **批次策略**：將相關更改分組為 3-10 個更改的批次。這使除錯易於管理同時保持效率。在進行下一批次之前測試每個批次。 **原則：最小、精確的編輯** 實施追蹤修訂時，只標記實際更改的文字。重複未更改的文字使編輯更難審查且顯得不專業。將替換分解為：[未更改文字] + [刪除] + [插入] + [未更改文字]。透過從原始文件中擷取 `` 元素並重複使用，保留原始 run 的 RSID 用於未更改的文字。範例 - 在句子中將「30 天」更改為「60 天」： ```python # 錯誤 - 替換整個句子 'The term is 30 days.<\/w:delText><\/w:r><\/w:del>The term is 60 days.<\/w:t><\/w:r><\/w:ins>' # 正確 - 只標記更改的部分，為未更改的文字保留原始 'The term is <\/w:t><\/w:r>30<\/w:delText><\/w:r><\/w:del>60<\/w:t><\/w:r><\/w:ins> days.<\/w:t><\/w:r>' ``` ### 追蹤修訂工作流程 1. **取得 markdown 表示**：將文件轉換為 markdown 並保留追蹤修訂： ```bash pandoc --track-changes=all path-to-file.docx -o current.md ``` 2. **識別和分組更改**：審查文件並識別所需的所有更改，將它們組織成邏輯批次： **定位方法**（用於在 XML 中找到更改）： - 章節\/標題編號（例如「第 3.2 節」、「第四條」） - 段落識別碼（如有編號） - 使用唯一周圍文字的 Grep 模式 - 文件結構（例如「第一段」、「簽名區塊」） - **不要使用 markdown 行號** - 它們不對應 XML 結構 **批次組織**（每批次分組 3-10 個相關更改）： - 按章節：「批次 1：第 2 節修訂」、「批次 2：第 5 節更新」 - 按類型：「批次 1：日期更正」、「批次 2：當事人名稱更改」 - 按複雜度：從簡單文字替換開始，然後處理複雜的結構更改 - 按順序：「批次 1：第 1-3 頁」、「批次 2：第 4-6 頁」 3. **閱讀文件並解壓**： - **必須 - 讀取整個檔案**：從頭到尾完整讀取 [`ooxml.md`](ooxml.md)（約 600 行）。**讀取此檔案時絕不設定任何範圍限制。** 特別注意「Document 程式庫」和「追蹤修訂模式」章節。 - **解壓文件**：`python ooxml\/scripts\/unpack.py ` - **記錄建議的 RSID**：unpack 腳本會建議一個用於追蹤修訂的 RSID。複製此 RSID 以在步驟 4b 中使用。 4. **分批實施更改**：邏輯分組更改（按章節、類型或接近程度）並在單一腳本中一起實施。此方法： - 使除錯更容易（較小批次 = 更容易隔離錯誤） - 允許漸進式進展 - 保持效率（3-10 個更改的批次效果良好） **建議的批次分組：** - 按文件章節（例如「第 3 節更改」、「定義」、「終止條款」） - 按更改類型（例如「日期更改」、「當事人名稱更新」、「法律術語替換」） - 按接近程度（例如「第 1-3 頁的更改」、「文件前半部分的更改」）對於每批相關更改： **a. 將文字對應到 XML**：在 `word\/document.xml` 中 grep 文字以驗證文字如何分割在 `` 元素中。 **b. 創建並執行腳本**：使用 `get_node` 找到節點，實施更改，然後 `doc.save()`。參見 ooxml.md 中的**「Document 程式庫」**章節了解模式。 **注意**：在撰寫腳本前，始終先 grep `word\/document.xml` 以獲取當前行號並驗證文字內容。每次腳本執行後行號會改變。 5. **打包文件**：所有批次完成後，將解壓目錄轉換回 .docx： ```bash python ooxml\/scripts\/pack.py unpacked reviewed-document.docx ``` 6. **最終驗證**：對完整文件進行全面檢查： - 將最終文件轉換為 markdown： ```bash pandoc --track-changes=all reviewed-document.docx -o verification.md ``` - 驗證所有更改都已正確應用： ```bash grep "original phrase" verification.md # 不應該找到它 grep "replacement phrase" verification.md # 應該找到它 ``` - 檢查沒有引入非預期的更改 ## 將文件轉換為圖片要視覺化分析 Word 文件，使用兩步驟過程將它們轉換為圖片： 1. **將 DOCX 轉換為 PDF**： ```bash soffice --headless --convert-to pdf document.docx ``` 2. **將 PDF 頁面轉換為 JPEG 圖片**： ```bash pdftoppm -jpeg -r 150 document.pdf page ``` 這會創建 `page-1.jpg`、`page-2.jpg` 等檔案。選項： - `-r 150`：設定解析度為 150 DPI（調整以平衡品質\/大小） - `-jpeg`：輸出 JPEG 格式（如偏好可使用 `-png` 輸出 PNG） - `-f N`：要轉換的第一頁（例如 `-f 2` 從第 2 頁開始） - `-l N`：要轉換的最後一頁（例如 `-l 5` 在第 5 頁停止） - `page`：輸出檔案的前綴特定範圍範例： ```bash pdftoppm -jpeg -r 150 -f 2 -l 5 document.pdf page # 只轉換第 2-5 頁 ``` ## 程式碼風格指南 **重要**：生成 DOCX 操作程式碼時： - 撰寫簡潔的程式碼 - 避免冗長的變數名稱和多餘的操作 - 避免不必要的 print 陳述式 ## 依賴項必需的依賴項（如不可用請安裝）： - **pandoc**：`sudo apt-get install pandoc`（用於文字擷取） - **docx**：`npm install -g docx`（用於創建新文件） - **LibreOffice**：`sudo apt-get install libreoffice`（用於 PDF 轉換） - **Poppler**：`sudo apt-get install poppler-utils`（用於 pdftoppm 將 PDF 轉換為圖片） - **defusedxml**：`pip install defusedxml`（用於安全的 XML 解析）