Word Reader 技能

📋 概述

Word Reader 是一个强大的 Word 文档读取工具，支持 .docx 和 .doc 格式，能够提取文本内容、表格数据、文档元信息，并提供多种输出格式。

✨ 功能特性

• ✅ 文本提取 - 提取文档中的所有段落文本
• ✅ 表格解析 - 解析表格数据并转换为结构化格式
• ✅ 元数据获取 - 读取文档属性（标题、作者、创建时间等）
• ✅ 图片信息 - 获取文档中图片的基本信息
• ✅ 多格式支持 - 支持 .docx 和 .doc 格式
• ✅ 多种输出 - JSON、Text、Markdown 格式
• ✅ 批量处理 - 支持处理整个目录的文档
• ✅ 自动安装 - 一键安装所有依赖

🚀 安装

自动安装（推荐）

cd word-reader/
./install.sh

手动安装

# 安装 Python 依赖
pip3 install python-docx --break-system-packages

# 安装系统依赖（可选，用于 .doc 格式支持）
# Ubuntu/Debian
sudo apt-get install antiword

# macOS
brew install antiword

# 设置执行权限
chmod +x scripts/read_word.py

📖 使用方法

基本用法

# 读取文档并输出为文本格式
python3 scripts/read_word.py 文档.docx

# 输出为 JSON 格式
python3 scripts/read_word.py 文档.docx --format json

# 输出为 Markdown 格式
python3 scripts/read_word.py 文档.docx --format markdown

# 只提取文本内容
python3 scripts/read_word.py 文档.docx --extract text

批量处理

# 批量处理目录下所有 Word 文档
python3 scripts/read_word.py ./文档目录 --batch

# 批量处理并保存为 JSON 文件
python3 scripts/read_word.py ./文档目录 --batch --format json --output results.json

高级用法

# 将结果保存到文件
python3 scripts/read_word.py 文档.docx --format markdown --output output.md

# 提取表格数据
python3 scripts/read_word.py 文档.docx --extract tables

# 获取文档元数据
python3 scripts/read_word.py 文档.docx --extract metadata

📊 输出示例

JSON 格式输出

{
  "metadata": {
    "filename": "测试文档.docx",
    "size": "2048 bytes",
    "created": "2024-01-01T10:00:00",
    "modified": "2024-01-01T12:00:00",
    "title": "测试文档",
    "author": "测试用户"
  },
  "format": "docx",
  "text": "这是文档的正文内容...",
  "tables": [
    {
      "id": 1,
      "rows": 3,
      "columns": 3,
      "data": [
        ["表头1", "表头2", "表头3"],
        ["数据1", "数据2", "数据3"],
        ["数据4", "数据5", "数据6"]
      ]
    }
  ],
  "images": [
    {
      "id": "rId1",
      "filename": "image1.png",
      "size": "1024 bytes"
    }
  ]
}

Markdown 格式输出

# 测试文档.docx

**标题**：测试文档  
**作者**：测试用户  
**文件大小**：2048 bytes  
**创建时间**：2024-01-01T10:00:00  
**修改时间**：2024-01-01T12:00:00  

## 正文内容

这是文档的正文内容...

## 表格内容

### 表格 1 (3行 x 3列)

| 表头1 | 表头2 | 表头3 |
|-------|-------|-------|
| 数据1 | 数据2 | 数据3 |
| 数据4 | 数据5 | 数据6 |

🎯 应用场景

• 文档内容分析 - 快速查看 Word 文档内容
• 批量处理 - 处理大量文档
• 内容提取 - 提取特定信息
• 格式转换 - 转换为其他格式
• 自动化工作流 - 集成到文档处理系统

📤 发布到 ClawHub

要将此技能发布到 ClawHub，请参考 PUBLISHING.md 文件。

🔧 故障排除

常见问题

1. ModuleNotFoundError: 确保已安装 python-docx
2. PermissionError: 检查文件读取权限
3. FileNotFoundError: 确认文件路径正确
4. 编码问题: 尝试使用 --encoding gb2312 参数

性能优化

• 大文档处理时建议使用 --format json 以获得更好的性能
• 批量模式下建议使用 --output 参数将结果保存到文件

🤝 贡献

欢迎提交 Issue 和 Pull Request 来改进这个技能！

📄 许可证

MIT License