shield_lock
金大哥
← 返回 Skill 列表
extension
分类: 效率与办公API Key 暂未确认

office-doc-rewrite

基于现有 Excel/Word 模板替换文字，保留图片、样式、合并单元格和版式；适用于旧文档换业务内容或修复格式丢失。.doc 需要 LibreOffice。

person作者: vftfnnhubgithub
open_in_new仓库download下载资源包

Office 文档改写（保版式换内容）

浏览器/API 边界：遵守 浏览器到 API 强制演进。本地渲染、视觉、兼容性或浏览器本身的验证可保留浏览器；认证后的远端业务读写必须探索实际接口、写后独立回读，并在确认后更新本 skill，后续默认 API。

它解决什么问题

用户常有一份现成的模板或旧文档（集团架构设计表、评审报告单、财务表、周报模板…），想把里面的旧内容整篇换成新项目的，但格式、图片、合并单元格、列宽、页面布局必须原样保留。

天真的做法是用 openpyxl / python-docx 打开改完再 save()——这会踩大坑：

  • openpyxl 重存 xlsx 会丢掉所有嵌入图片和图表（它不完整支持 drawing）。
  • python-docx 改 cell.text 会清空该单元格的字体/颜色格式，且对合并单元格有诡异行为。

本 skill 的核心选择：把 Office 文件当成 zip 来处理，只精确改承载文字的那一个 XML，其它字节（图片、样式、drawing、锚点）一律不碰。这样图片和版式 100% 无损。

三种文件的文字承载位置不同，手法也不同（下面分述）。

下文 <skill-dir> 指当前 SKILL.md 所在目录的绝对路径，由 Claude Code 或 Codex 从已加载 skill 位置解析；不要按当前工作目录猜测。

环境准备（第一步，必做）

本 skill 依赖 Python 库 openpyxl / python-docx / pillow，以及（可选）mermaid.js。本机 pip 常被 uv/homebrew 接管，直接 pip install 会报 "No virtual environment found"。统一用一个专用 venv，脚本已封装：

bash "<skill-dir>/scripts/setup-env.sh"

它在 ~/.cache/vft-kit/office-rewrite/venv 建一个 venv 并装好依赖，幂等（已装则秒退）。后续所有 python 脚本都用这个 venv 的解释器：$VENV/bin/python3（脚本里用 OFFICE_PY 环境变量引用）。

处理 .doc（老 OLE 格式）还需要 LibreOffice（soffice）。检测：

ls /Applications/LibreOffice.app/Contents/MacOS/soffice   # macOS
which soffice libreoffice                                  # Linux

没有就让用户装（macOS: brew install --cask libreoffice）。不要擅自装重型软件。

通用工作流

  1. 侦察：先搞清文件内部结构（哪些是模板固定文字、哪些是要换的业务内容、图片挂在哪）。
  2. 建映射：列一张「原文字 → 新文字」的映射表，模板固定的表头/栏位/指导语保留不动。
  3. 改写：zip 层替换文字 XML，或对 docx 走 run 级 / XML 级替换。
  4. 校验：重新打开确认能读、图片数不变、无旧业务词残留、新内容到位。
  5. 收尾：清理临时文件，报告结果。

不同文件类型的具体做法见下。处理前务必先读对应的 reference 文件，里面有每种格式的完整踩坑清单。

处理 .xlsx → 读 references/xlsx.md

要点速览（详见 reference）：

  • 文字几乎都在 xl/sharedStrings.xml 的共享字符串表里，sheet XML 只存索引。只改 sharedStrings 就够，sheet/图片/样式全自动保留。
  • 用 scripts/xlsx_dump.py 把 330 个共享字符串连同索引导出，据此规划映射。
  • 富文本 si（带 <r><rPr> 多 run，如粗体关键词）要保留 rPr 结构。
  • 用 scripts/xlsx_swap.py 按 {si索引: 新文本} 映射改写。
  • 数字型单元格（如版本号 2.7）直接存在 sheet XML 里，不在 sharedStrings，需单独改 sheet。

处理 .docx → 读 references/docx.md

要点速览：

  • 用 python-docx，但不要改 cell.text（会丢格式）。改 run 的 text，或走 XML 层遍历 <w:t>。
  • 合并单元格陷阱：row.cells 对合并单元格返回共享 _tc，用 id(cell._tc) 去重会误杀正常单元格，导致漏改。正解是直接遍历 body 里所有 <w:tc>/<w:p> 元素（scripts/docx_swap.py 已封装）。
  • 一句话可能被拆成多个 run（['视频彩铃','H5','重构']），子串替换要先拼接再回写第一个 run、清空其余。

处理 .doc（老 OLE 格式）→ 读 references/doc.md

  • .doc 是二进制 OLE，不能 zip 层改。用 LibreOffice 转成 .docx → 按上面的 docx 手法改 → 转回 .doc。
  • 转换命令封装在 scripts/doc_convert.sh（doc↔docx↔txt）。

图片重绘（当模板里的图也需要换）

如果模板里的图片是旧业务的（如架构图、流程图），要换成新内容的图：

  • 首选 mermaid 渲染成 PNG（有 ego-lite 时在独立 task space 渲染，没有才用 playwright 兜底）（流程图、时序图、架构组件图、上下文图这类框线连接图，mermaid 最专业）。脚本 scripts/mmd_render.mjs。
  • 用 scripts/xlsx_replace_images.py 替换 xl/media/imageN.png。
  • 关键坑——图片变形与遮挡：xlsx 图片用 twoCellAnchor（双单元格锚点）定位，显示框大小由 from/to 单元格坐标决定，与图片像素无关。若新图长宽比 ≠ 原框比例，图会被拉伸变形；若你擅自改锚点把框改大，图会盖住旁边的文字（表现为"文字被截断"，实为被图遮挡）。
    • 正解：① 保持原始 drawing 锚点不动（从原文件恢复）；② 用 pillow 把新图 padding 加白边到原框的长宽比（绝不拉伸），让它精确填充原框。scripts/fit_image_ratio.py 已封装。
    • 先用 scripts/xlsx_measure_frames.py 量出每个图框的真实像素比例（累加列宽/行高换算），据此 padding。
  • mermaid 布局坑：v11 里 subgraph 内嵌 direction 常导致整图塌缩成一条细线。拿不准就用扁平的 节点 --> 节点 写法，让 mermaid 自己布局，比例不理想再靠 padding 兜底。渲染后用 mmd_render.mjs 附带的文字节点导出确认文字完整无截断（因为你可能看不到图）。

详见 references/images.md。

校验清单（改完必做）

无论哪种文件，改完都要过一遍：

  1. 能打开：OFFICE_PY 加载一次（openpyxl / python-docx 不报错）。
  2. 图片数不变：解压数 xl/media/image* 或 word/media/*，和原文件一致。
  3. 零残留：全文搜旧业务关键词（如"视频彩铃""vring""旧项目名"），确认一个不剩。注意合并单元格去重会造成假阴性——用 XML 层遍历搜，别用 row.cells+id去重。
  4. 新内容到位：抽查关键字段确实换成了新业务词。
  5. 图片比例（若换了图）：每张新图长宽比 ≈ 原框比例（误差 <0.05）。

你可能看不到图

很多终端环境（如 otty）下，Claude Code 的 Read 或 Codex 的 view_image 可能不可用，file:// 也可能被禁。此时不要盲目相信"渲染成功"：

  • 靠 mermaid 语法正确性 + 长宽比数值 + 导出图内所有文字节点来验证内容完整。
  • 需要人眼确认时，起一个本地 http server（python3 -m http.server）让用户或 ego-lite（无 ego-lite 时 playwright MCP）访问，或直接让用户在 Excel/Word 里打开成品确认。
  • 老实告诉用户"我看不到渲染效果，请你打开确认"，别假装看过了。

脚本清单

| 脚本 | 作用 | |------|------| | scripts/setup-env.sh | 建 venv 装依赖（openpyxl/python-docx/pillow），打印 OFFICE_PY 路径 | | scripts/xlsx_dump.py | 导出 xlsx 所有共享字符串（带索引）+ 各 sheet 单元格→si 映射 | | scripts/xlsx_swap.py | 按 {si索引:新文本} 映射改 sharedStrings（保富文本 rPr） | | scripts/xlsx_measure_frames.py | 量每张图 twoCellAnchor 框的真实像素比例 | | scripts/fit_image_ratio.py | 把新图 padding 加白边到目标比例（不拉伸） | | scripts/xlsx_replace_images.py | 替换 xl/media 图片 + 可选恢复原始 drawing 锚点 | | scripts/docx_swap.py | XML 层遍历改 docx 文字（避合并单元格陷阱，保 run 格式） | | scripts/doc_convert.sh | LibreOffice 转 doc↔docx↔txt | | scripts/mmd_render.mjs | mermaid → 高清 PNG（ego-lite 优先，无则 playwright），附文字节点导出 |

所有 python 脚本用 $OFFICE_PY 跑（setup-env.sh 会打印路径）。改文件一律先备份/在副本上操作，openpyxl 不支持的元素重存会丢，zip 层改则安全。