Menu
Create, read, edit Word .docx documents and templates.
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
Based on SOC occupation classification
Query and edit a SiYuan knowledge base via its API.
Create, read, edit Excel .xlsx spreadsheets and CSVs.
Create, read, edit Excel .xlsx spreadsheets and CSVs.
Curate LLM training data: dedupe, filter, PII redaction.
Scrape sites with stealth browsing and Cloudflare bypass.
Clean training loops with built-in distributed support.
| name | docx |
| description | Create, read, edit Word .docx documents and templates. |
| version | 1.0.0 |
| author | Anthropic (adapted by Nous Research) |
| license | Proprietary. LICENSE.txt has complete terms |
| platforms | ["linux","macos","windows"] |
| metadata | {"hermes":{"tags":["Word","DOCX","Documents","Office","Productivity"],"category":"productivity","related_skills":["pdf","xlsx","powerpoint","ocr-and-documents"]}} |
用于创建、读取和编辑Word文档——包括报告、备忘录、信件、信头、目录、修订痕迹（标红标注）以及评论。.docx文件实际上是一个由XML文件组成的ZIP压缩包；该技能既支持高级的创建操作，也支持精细的XML代码编辑。
当用户需要创建、读取、编辑或处理Word文档（.docx）或Word模板（.dotx）时，均可使用此技能。触发场景包括：提及“Word文档”、“.docx”、“.dotx”，或要求将“报告”、“备忘录”、“信件”等内容以Word文件形式生成；从.docx文件中提取或重新整理内容；在Word文件中进行查找替换；插入图片；处理修订痕迹或评论。请勿用于PDF文件（请参考pdf技能）、电子表格（xlsx）或演示文稿（powerpoint）。
npm ls docx --depth=0 2>/dev/null | grep -q docx || npm install docx # creation (docx-js)
pip show pandoc >/dev/null 2>&1 || true; which pandoc || sudo apt install -y pandoc # reading
which soffice || sudo apt install -y libreoffice # rendering/verification
which pdftoppm || sudo apt install -y poppler-utils # PDF → images
pip install defusedxml lxml # validation scripts
macOS系统：执行命令 brew install pandoc libreoffice poppler。
| 任务 | 方法 |
|---|---|
| 创建新文档 | 编写一个docx（npm）脚本——详见下方的注意事项 |
| 编辑现有文档 | 先unzip解压 → 编辑word/document.xml文件 → 再zip压缩（docx-js无法直接打开现有文件） |
| 读取内容 | 使用命令 pandoc -t markdown file.docx（或使用能自动提取.docx文本的read_file函数） |
下方列出的脚本路径均相对于该技能对应的目录。
编写脚本并引入require('docx')。虽然模型了解该API的用法，但仍需注意以下几点：
page: { size: { width: 12240, height: 15840 } }（单位为DXA；1440 = 1英寸）。orientation: PageOrientation.LANDSCAPE——docx-js会自动调整宽高值。columnWidths，并为每个单元格设置width，且两者均需使用WidthType.DXA单位（使用PERCENTAGE单位会在Google Docs中出错）。所有列的宽度之和必须等于表格的总宽度。ShadingType.CLEAR，切勿使用SOLID（否则会显示为黑色）。•符号；应通过numbering配置并设置LevelFormat.BULLET来实现项目符号。ImageRun元素必须指定type:属性，可选值为"png"、"jpg"等。PageBreak元素必须置于Paragraph元素内部。\n换行符——应通过创建独立的Paragraph元素来实现换行。HeadingLevel.*格式；自定义标题样式需设置outlineLevel属性，否则不会显示在目录中。TextRun元素内使用PositionalTab属性（设置alignment: PositionalTabAlignment.RIGHT和leader: PositionalTabLeader.DOT），而非直接使用.符号或空格填充。编写完.docx文件后，将其渲染并查看效果：
python scripts/office/soffice.py --headless --convert-to pdf output.docx
pdftoppm -jpeg -r 100 output.pdf page
ls page-*.jpg # then inspect each with vision_analyze
pdftoppm 会将页码补零至与页面宽度相同的长度（即 page-01.jpg…page-12.jpg）。
需先将旧版的 .doc 文件转换为其他格式：python scripts/office/soffice.py --headless --convert-to docx file.doc。
unzip -q doc.docx -d unpacked/
find unpacked -type l -delete # strip symlink entries — docx from external parties is untrusted
python scripts/merge_runs.py unpacked/ # coalesce fragmented runs so text is findable
# edit unpacked/word/document.xml in place — do NOT reformat or pretty-print
(cd unpacked && rm -f ../out.docx && zip -Xr ../out.docx .)
python scripts/office/validate.py out.docx --original doc.docx # XSD checks; --auto-repair fixes common issues
# redlining? add --author "<the name you redlined under>" to check every edit is tracked
Word会将文本拆分到多个 <w:r> 单元中（即修订编号、拼写检查标记），因此你在文档中看到的某个短语，在XML文件中往往并非以连续字符串的形式存在。merge_runs.py 可以合并 word/document.xml 中格式相同的相邻单元，且不会改变内容或渲染效果；它还支持直接处理 .docx 文件（用法：python scripts/merge_runs.py doc.docx -o merged.docx）。
已跟踪的更改：在进行标记编辑时，可使用 --author "<你在标记处填写的姓名>" 参数进行验证（该参数需要配合 --original 使用）——它会标出所有未被 <w:ins>/<w:del> 标记的修改内容，这类修改很容易在无意间发生，且在常规视图下是不可见的。你可以利用 w:id、w:author、w:date 属性将相关单元包裹在 <w:ins>/<w:del> 标签中。在 <w:del> 标签内，文本元素应为 <w:delText>，而非 <w:t>。被删除的段落标记（格式为 <w:pPr><w:rPr><w:del w:id=".." w:author=".." w:date=".."/></w:rPr></w:pPr>）表示“将该段落与下一段合并”——因此要彻底删除一个段落，还需在每个单元周围添加 <w:del> 标签。<w:del/> 标签必须出现在 rPr 元素的其他子元素之前，其顺序受架构规范约束。
若要生成一份已接受所有已跟踪更改的完整副本，可使用命令：python scripts/accept_changes.py in.docx out.docx。
对于被删除的段落标记，处理方式应是将其与下一段合并，这样一来，所有单元都被删除的段落就会消失。Word能够做到这一点，但 accept_changes.py 和 pandoc --track-changes=accept 并不总是如此。两者的错误表现一致：它们虽然去除了被删除的文本，却留下了空段落，而在自动编号列表中，这些空段落会显示为多余的空白项：
pandoc --track-changes=accept 从不合并段落。accept_changes.py（基于LibreOffice）能够正确合并段落，但当被删除的段落后面紧跟一个空段落时除外。无论在哪种视图下出现的空白项，都只是该视图的表现形式，并非文档本身的缺陷。建议直接查看XML文件中的段落删除情况。
注释的生成需要六个相互关联的文件。可使用专用工具处理：若还需编辑 document.xml，则采用目录模式（这样可以避免反复解压/压缩的操作）；否则则使用直接处理 .docx 文件的模式：
# Against an already-unpacked directory (preferred when also placing markers)
python scripts/comment.py unpacked/ "Fees & expenses cap is too low"
python scripts/comment.py unpacked/ "Agreed" --parent 0
# Against a .docx directly
python scripts/comment.py contract.docx "This cap is too low" -o annotated.docx
该脚本会生成 comments.xml、commentsExtended.xml、commentsIds.xml、commentsExtensible.xml，以及用于定义文本关联关系和内容类型覆盖规则的文件。评论编号会自动分配。随后，脚本还会输出 <w:commentRangeStart>/<w:commentRangeEnd>/<w:commentReference> 这些标签片段，将其添加到 word/document.xml 中，从而让评论能够定位到具体的文本——在插入这些标记之前，评论虽然存在，但不可见。
xml.etree.ElementTree 对 OOXML 文件进行反复读写操作，因为这会导致命名空间前缀被重写，进而使文件损坏。如需通过脚本实现转换，请使用 defusedxml.minidom。cd unpacked && zip -Xr ../out.docx .），并且先删除目标文件，否则被删除的文件内容仍会残留在压缩包中。python scripts/office/validate.py out.docx --original in.docx，对文件的架构、关联关系及内容类型进行检查；每次检测失败时都会提示相应的修复方法。vision_analyze 工具检查每一页的内容，查看是否存在表格损坏、图片缺失、排版异常或残留的占位文本等问题。pdf（PDF 处理）、xlsx（电子表格）、powerpoint（演示文稿）、ocr-and-documents（扫描文档内容提取）。