📦 Office Doc Extractor — Office Doc 提取器

Office Document Extractor 零依赖的 Microsoft Office 文档转换器。将 DOCX、XLSX、PPTX 文件中的文本与结构提取为干净 Markdown。

快速开始 # 单文件 python3 scripts/main.py report.docx -o report.md

# 批量转换目录 python3 scripts/main.py ./documents --batch -o ./markdown

支持格式 格式 扩展名 输出 Word .docx 标题、段落 Excel .xlsx 表格（每工作表一个） PowerPoint .pptx 幻灯片按节输出

工作原理 DOCX：直接用 Python 的 zipfile 与 xml.etree 解析 ZIP 内 XML XLSX：使用内置 openpyxl（纯 Python，无 C 扩展） PPTX：直接解析 ZIP 内幻灯片 XML 无外部命令、无网络请求、无需 pip install。

用法 单文件 python3 scripts/main.py [-o ] 自动按扩展名识别格式；省略 -o 则输出为 .md。

批量转换 python3 scripts/main.py --batch [-o ] 转换目录下全部 .docx、.xlsx、.pptx，默认保存至 markdown_output/。

资源 scripts/ main.py — 统一 CLI，支持单文件与批量 docx_extractor.py — DOCX → Markdown（仅用标准库） xlsx_extractor.py — XLSX → Markdown 表格（内置 openpyxl） pptx_extractor.py — PPTX → Markdown（仅用标准库）

内置依赖 openpyxl/ — 纯 Python Excel 库（v3.1.5） et_xmlfile/ — openpyxl 的纯 Python 依赖

限制 不提取图片或嵌入对象（仅文本） 不保留复杂格式（颜色、字体、布局） 不支持加密/受密码保护文件 无 OCR（扫描文档请用 OpenClaw 原生 pdf 工具）

为何选此 Skill？ 现有基于 markitdown 的 Skill 需 pip install 或外部 CLI，会触发 ClawHub 安全警告。本 Skill 100% 自包含，安装即可离线使用。