| name | tex2docx |
| description | LaTeX (ctexart) → DOCX 格式保持转换。三步流程：
1. python-docx 生成匹配 ctexart 样式的 reference.docx 模板
2. pandoc + reference.docx 执行转换（公式→OMML、图片嵌入）
3. python-docx 后处理（中文字体、图注识别、表格线型、图片尺寸）
触发场景：
- 用户需要将 LaTeX 文件转为 Word 文档并保持格式
- 用户说"转 docx"、"输出 Word 版本"、"转成 Word"
- 中期报告、论文等需要提交 DOCX 格式时
依赖：python-docx、pandoc 3.x
|
| tags | ["latex","docx","pandoc","格式转换"] |
tex2docx: LaTeX → DOCX 格式保持转换
概述
将 ctexart 格式的 LaTeX 文档转为格式保持的 Word (.docx) 文件。通过三步混合流程（模板生成 + pandoc 转换 + 后处理微调），保留页面布局、中文字体、标题样式、表格线型、图片尺寸和数学公式。
适用范围
- 源格式：ctexart 文档（A4、12pt、宋体/黑体）
- 输出格式：Word 2007+ (.docx)
- 典型场景：中期报告、开题报告、论文等需要同时提交 PDF 和 DOCX 的情况
依赖
| 工具 | 用途 | 安装 |
|---|
| pandoc ≥ 3.0 | LaTeX→DOCX 核心转换 | winget install pandoc |
| python-docx ≥ 1.0 | 模板生成 + 后处理 | pip install python-docx |
转换脚本
核心脚本：DHL/mid_term/tex2docx.py
python DHL/mid_term/tex2docx.py
三步流程详解
Step 1: 创建 reference.docx 模板
用 python-docx 生成匹配 ctexart 样式的 Word 模板：
| 属性 | ctexart 默认值 | DOCX 对应 |
|---|
| 页面 | A4 | sections.page_width/height |
| 边距 | 2.5cm 四边 | margins |
| 正文 | 12pt 宋体 | Normal style: SimSun 12pt, eastAsia=宋体 |
| 一级标题 | 黑体 三号 | Heading 1: SimHei 16pt, 加粗 |
| 二级标题 | 黑体 四号 | Heading 2: SimHei 14pt, 加粗 |
| 图注/表注 | 宋体 五号 | Caption: SimSun 10.5pt, 居中 |
| 行距 | 1.3 倍 | line_spacing = 1.3 |
| 首行缩进 | ~2 字符 | first_line_indent = 0.74cm |
Step 2: pandoc 转换
pandoc input.tex -o output.docx \
--from latex --to docx \
--reference-doc=reference.docx \
--resource-path=figures/
pandoc 自动处理：
- LaTeX 公式 → OMML（Word 原生公式）
\includegraphics → 嵌入图片\ref{} → 交叉引用文字\begin{itemize} → Word 列表
Step 3: python-docx 后处理
| 后处理项 | 方法 |
|---|
| 中文字体 | 检测含中文的 run，强制设置 eastAsia=宋体 |
| 图注识别 | 按内容特征（子面板 (a)/(b)、"引自"、表注关键词）识别 Caption 段落 |
| 表格线型 | 模拟 booktabs：顶底线粗（sz=12）、表头下线细（sz=6） |
| 图片尺寸 | 限制宽度 ≤ 页面可用宽 85%（13.6cm），按比例缩放 |
| 标题缩进 | Heading 1/2 去除首行缩进 |
图注识别规则
pandoc 不保留 \caption 样式，需按内容特征识别：
识别为 Caption：
- 以 "图 N" / "表 N" 开头
- 含子面板描述
(a)/(b)/(c) + "引自"
- 含表注关键词（"技术指标"、"时间安排"）且段落 < 30 字
- 含 "引自" 且段落 < 150 字
排除（非 Caption）：
- "图 N 展示了..." / "图 N 所示..." — 正文引用
- 以小节编号开头（"4.5 时间安排"） — 标题
复用到其他 LaTeX 文件
如需转换其他 ctexart 文件，修改 tex2docx.py 中的路径配置：
BASE_DIR = "目标目录"
TEX_FILE = os.path.join(BASE_DIR, "input.tex")
DOCX_OUT = os.path.join(BASE_DIR, "output.docx")
FIGURES_DIR = os.path.join(BASE_DIR, "figures")
或直接命令行：
python tex2docx.py --input paper.tex --output paper.docx --figures fig/
质量验证
转换后需检查：
| 检查项 | 方法 |
|---|
| 页面设置 | Word → 布局 → 页面设置：A4、2.5cm |
| 中文字体 | 选中中文文字 → 查看字体：宋体 |
| 图片完整 | 逐页滚动，确认 7 张图片全部嵌入 |
| 公式显示 | 双击公式 → Word 公式编辑器可编辑 |
| 表格线型 | 查看表格：顶底线粗、无竖线 |
| 图注居中 | 查看图注段落：五号字、居中 |
关联 Skills
| Skill | 关系 |
|---|
mid-term-report | 上游：写完 LaTeX 报告后用本 skill 转 DOCX |
document-skills | 同类：通用文档处理 |
bishe-guider | 上游：毕业论文 LaTeX 编写规范 |
已知限制
- pandoc 丢 LaTeX 特有排版：
\textbf{} 嵌套、复杂 tabularx 对齐可能不完全保留
- 公式复杂度：多行公式（
\begin{aligned}）可能渲染不完美，需手动微调
- 参考文献：
\cite{} 转为纯文字，Word 端无自动引用管理
- 非 ctexart：如用 zjuthesis/ctexbook 等类，需调整 reference.docx 样式
本 skill 基于中期报告 tex2docx.py 实战经验固化，三步流程经过 7 图 + 2 表 + 9 图注的完整验证。
