shield_lock
金大哥
← 返回 Skill 列表
extension
分类: 开发与工程无需 API Key

office-docs

处理 Microsoft Office Open XML 文件 — .pptx（演示文稿/幻灯片）、.docx（Word 文档）、.xlsx（Excel 表格）。当用户提到或需要处理这些格式时触发：读取/提取文本、编辑、从模板或从零创建、解包/打包 XML、校验。关键词：.pptx, .docx, .xlsx, presentation, deck, slides, Word document, Excel, spreadsheet, PowerPoint, 幻灯片, 演示文稿, 表格。

person作者: jakexiaohubgithub
open_in_new仓库download下载资源包

Office Documents (PPTX, DOCX, XLSX)

Overview

该 skill 提供对 Microsoft Office Open XML 格式（PPTX、DOCX、XLSX）的完整操控能力，包括：

  • 读取/提取文本：使用 markitdown 将 Office 文件转换为可读文本
  • 解包/编辑/打包：将 Office 文件（本质是 ZIP 包）解包为 XML，直接编辑后重新打包
  • 校验与自动修复：基于 OOXML 标准的 XSD 校验 + 文件引用完整性检查
  • 从模板创建：基于现有模板文件复制/修改幻灯片或文档内容
  • 从零创建 PPTX：使用 PptxGenJS（Node.js）生成全新演示文稿

Quick Reference

| 任务 | PPTX | DOCX | XLSX | |------|------|------|------| | 读取/提取文本 | python -m markitdown file.pptx | python -m markitdown file.docx | python -m markitdown file.xlsx | | 解包编辑 | python scripts/office/unpack.py file.pptx unpacked/ | python scripts/office/unpack.py file.docx unpacked/ | python scripts/office/unpack.py file.xlsx unpacked/ | | 打包输出 | python scripts/office/pack.py unpacked/ out.pptx --original file.pptx | python scripts/office/pack.py unpacked/ out.docx --original file.docx | python scripts/office/pack.py unpacked/ out.xlsx | | 校验 | python scripts/office/validate.py unpacked/ --original file.pptx | python scripts/office/validate.py unpacked/ --original file.docx | 仅解包/打包（无 schema 校验） | | 格式专属工具 | thumbnail.py, add_slide.py, clean.py | merge_runs, simplify_redlines（解包自动执行） | — |

Workflow

1) 读取与分析

python -m markitdown input.pptx   # 或 .docx / .xlsx

对于 PPTX，还可以生成幻灯片缩略图网格用于快速可视化分析：

python scripts/thumbnail.py presentation.pptx

2) 解包 → 编辑 → 打包（通用流程）

# 解包
python scripts/office/unpack.py input.pptx unpacked/

# 编辑 unpacked/ 下的 XML（word/, ppt/, xl/ 按格式区分）

# 打包（使用 --original 启用校验）
python scripts/office/pack.py unpacked/ output.pptx --original input.pptx
  • DOCX 解包时默认合并相邻 runs 并简化 redlines；可用 --merge-runs false 关闭
  • PPTX 结构编辑后，在打包前运行 python scripts/clean.py unpacked/ 清理孤立文件

3) PPTX 专属操作

模板编辑工作流

  1. 分析模板：python scripts/thumbnail.py template.pptx + python -m markitdown template.pptx
  2. 规划幻灯片映射：为每段内容选择合适的模板幻灯片。使用多样化布局——避免每页重复同一文字密集型版式
  3. 解包：python scripts/office/unpack.py template.pptx unpacked/
  4. 结构操作（亲自完成，不用 subagent）：
    • 删除不需要的幻灯片（从 <p:sldIdLst> 移除）
    • 复制要复用的幻灯片（add_slide.py）
    • 在 <p:sldIdLst> 中重排顺序
  5. 编辑内容：更新每个 slide{N}.xml 中的文本（可用 subagent 并行编辑）
  6. 清理：python scripts/clean.py unpacked/
  7. 打包：python scripts/office/pack.py unpacked/ output.pptx --original template.pptx

从零创建（PptxGenJS）

使用 Node.js 的 PptxGenJS 库从零构建演示文稿：

const pptxgen = require("pptxgenjs");
let pres = new pptxgen();
pres.layout = 'LAYOUT_16x9';
let slide = pres.addSlide();
slide.addText("Hello World!", { x: 0.5, y: 0.5, fontSize: 36, color: "363636" });
pres.writeFile({ fileName: "output.pptx" });

关键注意事项：

  • 颜色值不加 # 前缀：color: "FF0000" ✅，color: "#FF0000" ❌（会损坏文件）
  • 使用 bullet: true 而非 Unicode 符号 •
  • 使用 breakLine: true 换行
  • 每次调用创建新的选项对象，不要复用（PptxGenJS 会就地修改对象）

设计原则

不要制作无聊的幻灯片。使用内容驱动的配色方案（一个主色、1-2 个辅助色、一个强调色），深浅对比，统一视觉母题。每页幻灯片都需要视觉元素（图片、图表、图标或形状）。

QA（必需）

假设输出存在问题。内容检查：python -m markitdown output.pptx 并搜索占位符。视觉检查：转换为图片后用 subagent 检查重叠、溢出、对齐、边距问题。

python scripts/office/soffice.py --headless --convert-to pdf output.pptx
pdftoppm -jpeg -r 150 output.pdf slide

4) DOCX 专属操作

  • 读取：python -m markitdown document.docx
  • 编辑：解包 → 编辑 unpacked/word/document.xml → 打包（使用 --original 启用校验和 redlining 检查）

Word 模板排版复制

当用户提供模板文档时，分析模板的排版规则（段落样式、字体/字号/颜色、间距/缩进），然后将用户内容应用到相同的样式结构中，生成视觉上与模板一致的新文档。

工作流：读取模板 → 提取排版规则 → 生产新文档 → 检查排版一致性。

5) XLSX 专属操作

  • 读取：python -m markitdown workbook.xlsx
  • 编辑：解包 → 编辑 unpacked/xl/ 下的 XML → 打包。无格式专属校验器。

6) XML 编辑规范

  • 使用 Edit 工具，不用 sed 或 Python 脚本修改 XML
  • Bold 所有标题与行内标签：在 <a:rPr> 上使用 b="1"
  • 不使用 Unicode 项目符号（•），使用 <a:buChar> 或 <a:buAutoNum>
  • 智能引号：添加新文本时使用 XML 实体（&#x201C;, &#x201D; 等）
  • 空白保持：带前导/尾随空格的 <a:t> 需加 xml:space="preserve"
  • XML 解析：使用 defusedxml.minidom，不用 xml.etree.ElementTree（会破坏命名空间）
  • 多项内容：为每个条目创建独立的 <a:p> 元素，不要串联到一个字符串中

Scripts Reference

| 脚本 | 用途 | |------|------| | scripts/office/unpack.py | 解包 Office 文件，美化 XML，处理智能引号 | | scripts/office/pack.py | 打包目录为 Office 文件，含校验与自动修复 | | scripts/office/validate.py | 独立校验工具（XSD + 文件引用 + 唯一 ID 等） | | scripts/office/soffice.py | LibreOffice 辅助器（处理沙盒环境） | | scripts/clean.py | 清理 PPTX 中未引用的幻灯片/媒体/关系 | | scripts/add_slide.py | 复制幻灯片或从 layout 创建新幻灯片 | | scripts/thumbnail.py | 生成幻灯片缩略图网格 |

Dependencies

pip install "markitdown[pptx]" Pillow defusedxml lxml
npm install -g pptxgenjs         # 从零创建 PPTX
npm install -g react-icons react react-dom sharp  # 图标渲染（可选）

系统工具（可选）：

  • LibreOffice (soffice) — PDF 转换
  • Poppler (pdftoppm) — PDF 转图片用于 QA

Output Contract

完成 Office 文档操作后，应输出：

  1. 操作摘要：描述做了什么（读取/编辑/创建）
  2. 文件路径：明确输出文件的位置
  3. QA 结果（如适用）：内容检查与视觉检查的结果