| name | docx_unpack |
| description | 将DOCX文件解压为XML目录 |
| version | 1.0.0 |
| category | document_processing |
| name_zh | 将DOCX文件解压为XML目录算子 |
| input_params | [{"name":"input_path","type":"docx_file","description":"输入DOCX文件路径"},{"name":"output_dir","type":"directory","description":"输出目录路径"},{"name":"merge_runs","type":"boolean","description":"是否合并相邻的文本运行","default":true}] |
| output_params | [{"name":"output_dir","type":"directory","description":"解压后的XML目录"}] |
| tag | 数据转换 |
| publisher | COMMUNITY |
docx_unpack 技能
功能说明
该技能将DOCX文件解压为XML目录结构,方便查看和编辑DOCX内部的XML文件。DOCX本质上是一个ZIP压缩包,包含多个XML文件和资源文件。
核心功能
- 将DOCX文件解压为可读的XML目录
- 支持合并相邻相同格式的文本运行(优化XML结构)
- 自动处理智能引号等特殊字符
- 自动创建输出目录
使用方法
python scripts/run_docx_unpack.py --input_path <输入DOCX> --output_dir <输出目录> [--merge_runs]
参数说明
| 参数 | 类型 | 必填 | 默认值 | 说明 |
|---|
| input_path | string | 是 | - | 输入DOCX文件路径 |
| output_dir | string | 是 | - | 输出目录路径 |
| merge_runs | bool | 否 | true | 是否合并相邻的文本运行 |
示例
python scripts/run_docx_unpack.py --input_path document.docx --output_dir ./unpacked/
输出结构
解压后的目录结构:
output_dir/
├── [Content_Types].xml
├── _rels/
│ └── .rels
└── word/
├── document.xml
├── styles.xml
├── settings.xml
└── ...
注意事项
- 输出目录不存在时会自动创建
- 合并运行功能可以减少XML文件中的冗余标签
- 解压后的XML文件可以直接编辑,之后可使用docx_pack重新打包