DOCX 文档创建与编辑
何时使用
- 最终交付物为文档且用户未指定格式时，默认生成
.docx
- 用户明确要求生成、导出、下载 Word 文档
- 对现有
.docx 做文本替换（正文、页眉、页脚）
- 解包查看 Word XML 结构并重新打包
注意：任务过程中的中间生成物（如临时数据文件、处理脚本等）不需要使用本技能，格式自由选择。
何时不要使用
- 批注、回复批注
- 接受修订或保留修订
- 大规模样式重构、复杂目录修复、复杂域代码处理
快速参考
| 任务 | 推荐方式 |
|---|
创建新 .docx | 写 HTML → html2docx() → 见工作流 A |
编辑现有 .docx | edit_docx() → 见工作流 B |
| 检查 XML 结构 | unpack_docx() |
| 重新打包 | pack_docx()（默认含校验） |
工作流 A：创建新文档
流程分三步：根据内容基调设计视觉风格 → 用 start_write_file / end_write_file 编写语义化 HTML → 通过 jupyter_cell_exec工具 执行转换脚本输出 .docx。
第 1 步：分析内容基调，推演视觉风格
在编写 HTML 前，先完成意图识别与风格推演，并将结果直接落实到后续 CSS 中：
- 色板：根据内容基调设定主标题颜色、正文颜色和弱化文本颜色。轻量级高亮可使用浅色背景。公文、法律声明、严肃通知、学术论文等严肃场景禁止使用彩色，仅使用
#000000 和 #333333
- 字体：正式报告优先使用衬线体（宋体、仿宋）；现代文档或技术文档优先使用无衬线体（微软雅黑、黑体）；代码部分使用等宽字体（Consolas）；公文场景禁止使用非衬线字体，默认全用宋体或黑体
- 节奏：设定符合打印和离线阅读的行高（如
1.5 到 1.8）、统一段落间距（如 12pt）及章节留白
第 2 步：用 start_write_file / end_write_file 编写 HTML 文件
强制规则：必须使用 start_write_file + end_write_file 写入 HTML 文件。禁止通过 Python 代码生成 HTML 内容。 HTML 内容应由你直接以文本形式输出，以充分发挥 LLM 的长文本生成能力和排版能力。
- 调用
start_write_file(path="<OUTPUT_ROOT>/<文档名>.html") 开启写作模式
- 直接以
<!DOCTYPE html> 开头输出完整 HTML（禁止使用 ```html 等 markdown 代码围栏包裹，直接输出原始 HTML 内容）
- 输出完毕后调用
end_write_file() 保存文件
生成 HTML 时，提示词正文按以下约束执行：
- 适用范围：本规范仅适用于经
html2docx() 转为 Word 文档的 HTML 源文件，不适用于其他场景的 HTML 写作
- 角色目标：根据用户输入指令，生成专门用于转换为
.docx 文件的单文件 HTML 源文件，要求结构严谨、内容生动、具备专业美感，并适配 Word 离线阅读场景
- 核心目标：深入理解用户输入内容的意图、受众和情感基调，量身定制符合 Word 渲染逻辑的视觉呈现方案；排版兼顾信息层级秩序与文档正式感，确保转换为
.docx 后仍具备良好阅读体验
Technical Constraints（Word 渲染限制，必须绝对遵守）：
- 禁用现代布局：绝对不可使用 Flexbox（
display: flex）、CSS Grid（display: grid）、float、position: absolute、position: fixed；若需左右分栏或复杂对齐，必须且只能使用无边框表格：<table border="0" cellpadding="0" cellspacing="0">
- 禁用现代 CSS 特性：绝对不可使用 CSS 变量（
var(--xxx)）、calc()、clamp()、伪类（如 :hover）、transition、媒体查询（@media）
- 安全单位与颜色：字体大小和行高必须使用
pt 或 px，缩进和间距可使用 em；颜色值必须使用确定的 Hex 值，如 #000000，不可使用 rgba() 或 hsla()
- 字体声明机制：必须使用标准 CSS 的字体回退机制，并严格遵守“先英文字体，后中文字体”的声明顺序，例如
font-family: Arial, "Microsoft YaHei", SimSun, sans-serif;
语义化重组与内容强化：
- HTML 必须包含完整
<!DOCTYPE html><html><head><body> 结构，且头部必须声明 <meta charset="UTF-8">
- 严格按信息层级分配
h1 到 h6，为 Word 自动目录做好结构化准备
- 在不改变核心原意的前提下优化可读性：长段落中的关键结论可独立抽取并使用
<blockquote> 包裹，配合左侧粗边框（border-left）和极浅背景色强调；公文等严肃文档不宜使用此样式
- 将松散短句归纳为
<ol> 或 <ul> 列表，并保持列表项间距适中
- 识别专业术语、代码片段、按键，使用
<code> 标签包裹，并设置浅灰背景、圆角及等宽字体
Word 兼容 CSS 构建：
- CSS 仅允许写在
<head> 的 <style> 标签内，尽量使用标签选择器或单层类选择器，避免复杂嵌套
- 如内容基调需要传统中文排版，可使用
text-indent: 2em; 处理首行缩进
- 如需使用表格，必须通过 CSS 设置
border-collapse: collapse;，并为 th、td 设置明确边框与内边距，例如 border: 1px solid #dddddd; padding: 8px;
Output Constraints：
- 必须输出单文件 HTML，包含完整
<!DOCTYPE html>、<head>（含内联 <style>）和 <body>
- 严肃文档必须基于事实创作，禁止编造数据、KPI、日期、公司名、电话、邮箱、论文引用等
- 文档内容需根据用户需求和上下文灵活调整文体，禁止生搬硬套和假大空
- 用户如明确限制字数、字体、排版、演讲时长等要求，必须严格遵循
第 3 步：执行转换脚本（仅用于 HTML → DOCX 转换）
jupyter_cell_exec工具 仅用于调用 html2docx 转换脚本，不要用它来生成或写入 HTML 内容。
通过 jupyter_cell_exec工具 执行以下代码：
import sys, os
sys.path.insert(0, os.path.join(os.getenv('skill_path'), 'docx', 'scripts'))
from html2docx import html2docx
result = html2docx(input_html="<OUTPUT_ROOT>/report.html", output_docx="<OUTPUT_ROOT>/report.docx") # 此处填写 OUTPUT_ROOT 完整路径
print(result)
路径规则：
html2docx() 的两个参数需要填写 OUTPUT_ROOT 前缀的完整绝对路径。
函数签名：
| 参数 | 类型 | 说明 |
|---|
input_html | str | 输入 HTML 文件路径 |
output_docx | str | 输出 DOCX 文件路径 |
返回值： dict，必须检查 result["ok"] 判断转换是否成功。
# 成功
{"ok": True, "output_path": "...", "message": "转换成功，文件大小 123.4 KB"}
# 失败
{"ok": False, "output_path": "...", "message": "转换失败: ..."}
纯 Python 实现（BeautifulSoup + python-docx），无需 Selenium 或 Chrome。
工作流 B：编辑现有文档
1. 基础文本替换
通过 edit_docx() 完成，内部流程：解包 → 合并相邻同样式 run → 文本替换 → 重打包 → 校验。通过 jupyter_cell_exec工具 执行：
import sys, os
sys.path.insert(0, os.path.join(os.getenv('skill_path'), 'docx', 'scripts'))
from edit_docx import edit_docx
result = edit_docx(
input_docx="<OUTPUT_ROOT>/input.docx",
output_docx="<OUTPUT_ROOT>/output.docx",
replacements=[
{"from": "旧公司名称", "to": "新公司名称"},
{"from": "2024年", "to": "2025年"},
],
)
print(result)
参数：
| 参数 | 类型 | 默认值 | 说明 |
|---|
input_docx | str | — | 输入文件完整路径 |
output_docx | str | — | 输出文件完整路径 |
replacements | list[dict] | — | 替换规则列表，每项含 "from" 和 "to" |
parts | list[str] | None | None | 要处理的 XML 部件（支持 glob），默认 document.xml + header*.xml + footer*.xml |
match_mode | str | "literal" | "literal" 精确匹配 或 "regex" 正则匹配 |
ignore_case | bool | False | 是否忽略大小写 |
返回值结构：
{
"ok": True, # 校验是否通过
"input_path": "...",
"output_path": "...",
"match_mode": "literal",
"ignore_case": False,
"files_modified": ["word/document.xml"],
"replacements_applied": [ # 每条规则的命中次数
{"from": "旧公司名称", "to": "新公司名称", "count": 3},
],
"validation": {"ok": True, "errors": [], "warnings": []},
}
正则替换示例：
import sys, os
sys.path.insert(0, os.path.join(os.getenv('skill_path'), 'docx', 'scripts'))
from edit_docx import edit_docx
result = edit_docx(
input_docx="<OUTPUT_ROOT>/input.docx",
output_docx="<OUTPUT_ROOT>/output.docx",
replacements=[{"from": r"Q([1-4]) 2024", "to": r"Q\1 2025"}],
match_mode="regex",
ignore_case=True,
)
print(result)
2. 低层 XML 编辑
如果 edit_docx() 替换命中数为 0，通常是目标文本被 Word 拆成了多个 XML run。可退回低层工具链手动处理：
import sys, os
from pathlib import Path
sys.path.insert(0, os.path.join(os.getenv('skill_path'), 'docx', 'scripts'))
from office.unpack import unpack_docx
from office.pack import pack_docx
source = Path("<OUTPUT_ROOT>/input.docx")
unpacked = Path("<OUTPUT_ROOT>/input_unpacked")
output = Path("<OUTPUT_ROOT>/output.docx")
unpack_docx(source, unpacked) # 解包并合并相邻同样式 run
# 用 jupyter_cell_exec工具 读取并修改 unpacked/word/*.xml
pack_docx(unpacked, output) # 重打包（默认含校验，失败会抛 ValueError）
重点文件：
word/document.xml：正文word/header*.xml：页眉word/footer*.xml：页脚word/styles.xml：样式
编辑规则
edit_docx() 是基础文本替换工具，不负责批注、修订和复杂域代码- 解包时会合并相邻的同样式 run，提高文本替换命中率
- 对于被 Word 拆成复杂片段的文本，退回
unpack_docx() 手动处理
pack_docx() 会自动修复常见的 XML 空白属性和 durableId 溢出问题
Troubleshooting
| 问题 | 处理方式 |
|---|
FileNotFoundError | 检查路径是否使用了 OUTPUT_ROOT 完整前缀 |
缺少依赖 beautifulsoup4 | pip install beautifulsoup4 |
replacements_applied 中某项 count 为 0 | 先 unpack_docx() 检查目标文本是否被拆成多个 XML run |
DOCX 验证失败 | 检查修改过的 XML 文件是否有语法错误 |
| flex/grid 布局错位 | 转换器将 flex/grid 降级为表格，简化布局结构或改用扁平 HTML |
| 输出样式丢失 | 确认 CSS 选择器命中正确；复杂嵌套选择器可能不被支持，改用类选择器或标签选择器 |
| 中文乱码 | 确认 HTML 头部有 <meta charset="UTF-8"> |
资源
| 文件 | 用途 |
|---|
skills/docx/scripts/html2docx.py | HTML → DOCX 转换主入口（html2docx()） |
skills/docx/scripts/edit_docx.py | DOCX 文本替换编辑 |
skills/docx/scripts/office/unpack.py | 解包 DOCX 为 XML 目录 |
skills/docx/scripts/office/pack.py | 重打包 XML 目录为 DOCX |
skills/docx/scripts/office/validate.py | DOCX 结构校验 |
skills/docx/scripts/office/_shared.py | 底层 XML 读写与命名空间工具 |
