文档整理技能 (document-organizer)

概述

专业的文档批量处理技能，支持旧版 Office 文档（.doc/.xls）高质量转换为 Markdown，保持格式结构完整。

核心能力

✅ 格式转换

• Word 文档: .doc → .md（LibreOffice 直接转换）
• Word 文档: .docx → .md（LibreOffice 直接转换）
• Excel 表格: .xls → .xlsx → .md（保留表格结构）
• PowerPoint: .ppt → .pptx → .md（可选支持）
• 现代格式: .xlsx/.pptx → .md（MarkItDown 直接处理）

✅ 批量处理

• 支持按目录批量转换
• 自动保持原目录结构
• 分类处理不同类型文件
• 错误自动记录，不中断流程

✅ 质量保证

• 完美保留标题层级（H1-H6）
• 表格结构完整（Markdown 表格）
• 加粗/斜体样式保留
• 列表有序/无序完整
• 中文无乱码（UTF-8 编码）

快速开始

1. 环境准备

# 安装 LibreOffice（系统级）
# 下载: https://zh-cn.libreoffice.org/

# 安装 Python 依赖
pip install markitdown[docx,xlsx]

2. 使用方法

# 交互模式（推荐）
npx skills run document-organizer

# 命令行参数
npx skills run document-organizer --source "源目录" --output "输出目录" --type doc,xls

3. 配置

首次运行会检测 LibreOffice 路径，默认：

• Windows: D:\Program Files\LibreOffice\program\soffice.exe
• Linux: /usr/bin/soffice
• macOS: /Applications/LibreOffice.app/Contents/MacOS/soffice

详细功能

文档类型处理

批量处理策略

方案一：分类批量（推荐）

批量转换所有 .doc 文件:
  soffice --convert-to md *.doc

批量转换所有 .docx 文件:
  soffice --convert-to md *.docx

批量转换所有 .xls 文件:
  soffice --convert-to xlsx *.xls  →  markitdown *.xlsx

批量转换所有 .ppt 文件:
  soffice --convert-to pptx *.ppt  →  markitdown *.pptx

方案二：递归处理

扫描目录树，按文件类型分组
分别批量转换每个子目录
保持完整目录结构输出

使用示例

示例 1: 转换单个目录

# 扫描源目录
npx skills run document-organizer --source "G:\历史文档" --output "d:\知识库"

输出结构：

知识库/
├── 项目A/
│   ├── 需求文档.md
│   └── 设计文档.md
└── 项目B/
    └── 会议记录.md

示例 2: 仅处理 Word 文档

npx skills run document-organizer --source "G:\docs" --output "d:\md" --filter .doc,.docx

示例 3: 处理 PDF 文档

npx skills run document-organizer --source "G:\pdfs" --type pdf --output "d:\pdf_md"

示例 4: 先扫描统计

npx skills run document-organizer --scan-only "G:\docs"
# 输出: 文件统计，不执行转换

配置选项

性能参考

测试环境: i5 CPU, 16GB RAM, SSD...