docx-processing-anthropic

DOCX の作成、編集、分析

概要

.docx ファイルは、XML ファイルを含む ZIP アーカイブです。

クイックリファレンス

タスク	方法
内容の読み取り／分析	pandoc を使用するか、展開して生の XML を確認
新しいドキュメントの作成	docx-js を使用 — 下記の「新しいドキュメントの作成」を参照
既存のドキュメントの編集	展開 → XML を編集 → 再パッケージ — 下記の「既存のドキュメントの編集」を参照

.doc から .docx への変換

編集する前に、古い .doc ファイルを変換する必要があります。

python scripts/office/soffice.py --headless --convert-to docx document.doc

内容の読み取り

# Text extraction with tracked changes
pandoc --track-changes=all document.docx -o output.md

# Raw XML access
python scripts/office/unpack.py document.docx unpacked/

画像への変換

python scripts/office/soffice.py --headless --convert-to pdf document.docx
pdftoppm -jpeg -r 150 document.pdf page

変更履歴の反映

すべての変更履歴を反映したクリーンなドキュメントを作成するには、LibreOffice が必要です。

python scripts/accept_changes.py input.docx output.docx

---

新しいドキュメントの作成

JavaScript で .docx ファイルを生成し、検証します。インストール：npm install -g docx

セットアップ

const { Document, Packer, Paragraph, TextRun, Table, TableRow, TableCell, ImageRun,
        Header, Footer, AlignmentType, PageOrientation, LevelFormat, ExternalHyperlink,
        TableOfContents, HeadingLevel, BorderStyle, WidthType, ShadingType,
        VerticalAlign, PageNumber, PageBreak } = require('docx');

const doc = new Document({ sections: [{ children: [/* content */] }] });
Packer.toBuffer(doc).then(buffer => fs.writeFileSync("doc.docx", buffer));

検証

ファイルを作成したら、検証してください。検証に失敗した場合は、展開して XML を修正し、再パッケージしてください。

python scripts/office/validate.py doc.docx

ページサイズ

// CRITICAL: docx-js defaults to A4, not US Letter
// Always set page size explicitly for consistent results
sections: [{
  properties: {
    page: {
      size: {
        width: 12240,   // 8.5 inches in DXA
        height: 15840   // 11 inches in DXA
      },
      margin: { top: 1440, right: 1440, bottom: 1440, left: 1440 } // 1 inch margins
    }
  },
  children: [/* content */]
}]

一般的な用紙サイズ（DXA 単位、1440 DXA = 1 インチ）：

用紙	幅	高さ	コンテンツ幅（余白 1 インチ）
US Letter	12,240	15,840	9,360
A4（デフォルト）	11,906	16,838	9,026

横向き： docx-js は内部で幅と高さを入れ替えるため、縦向きの寸法を渡し、入れ替えは docx-js に任せてください。

size: {
  width: 12240,   // Pass SHORT edge as width
  height: 15840,  // Pass LONG edge as height
  orientation: PageOrientation.LANDSCAPE  // docx-js swaps them in the XML
},
// Content width = 15840 - left margin - right margin (uses the long edge)

スタイル（組み込みの見出しを上書き）

デフォルトのフォントには Arial を使用してください（広くサポートされています）。読みやすさを保つため、タイトルは黒にしてください。

const doc = new Document({
  styles: {
    default: { document: { run: { font: "Arial", size: 24 } } }, // 12pt default
    paragraphStyles: [
      // IMPORTANT: Use exact IDs to override built-in styles
      { id: "Heading1", name: "Heading 1", basedOn: "Normal", next: "Normal", quickFormat: true,
        run: { size: 32, bold: true, font: "Arial" },
        paragraph: { spacing: { before: 240, after: 240 }, outlineLevel: 0 } }, // outlineLevel required for TOC
      { id: "Heading2", name: "Heading 2", basedOn: "Normal", next: "Normal", quickFormat: true,
        run: { size: 28, bold: true, font: "Arial" },
        paragraph: { spacing: { before: 180, after: 180 }, outlineLevel: 1 } },
    ]
  },
  sections: [{
    children: [
      new Paragraph({ heading: HeadingLevel.HEADING_1, children: [new TextRun("Title")] }),
    ]
  }]
});

リスト（Unicode の箇条書き記号は使用しないでください）

// ❌ WRONG - never manually insert bullet characters
new Paragraph({ children: [new TextRun("• Item")] })  // BAD
new Paragraph({ children: [new TextRun("\u2022 Item")] })  // BAD

// ✅ CORRECT - use numbering config with LevelFormat.BULLET
const doc = new Document({
  numbering: {
    config: [
      { reference: "bullets",
        levels: [{ level: 0, format: LevelFormat.BULLET, text: "•", alignment: AlignmentType.LEFT,
          style: { paragraph: { indent: { left: 720, hanging: 360 } } } }] },
      { reference: "numbers",
        levels: [{ level: 0, format: LevelFormat.DECIMAL, text: "%1.", alignment: AlignmentType.LEFT,
          style: { paragraph: { indent: { left: 720, hanging: 360 } } } }] },
    ]
  },
  sections: [{
    children: [
      new Paragraph({ numbering: { reference: "bullets", level: 0 },
        children: [new TextRun("Bullet item")] }),
      new Paragraph({ numbering: { reference: "numbers", level: 0 },
        children: [new TextRun("Numbered item")] }),
    ]
  }]
});

// ⚠️ Each reference creates INDEPENDENT numbering
// Same reference = continues (1,2,3 then 4,5,6)
// Different reference = restarts (1,2,3 then 1,2,3)

表

重要：表には二重の幅指定が必要です — 表の columnWidths と各セルの width の両方を設定してください。両方を設定しないと、一部のプラットフォームで表が正しく表示されません。

// CRITICAL: Always set table width for consistent rendering
// CRITICAL: Use ShadingType.CLEAR (not SOLID) to prevent black backgrounds
const border = { style: BorderStyle.SINGLE, size: 1, color: "CCCCCC" };
const borders = { top: border, bottom: border, left: border, right: border };

new Table({
  width: { size: 9360, type: WidthType.DXA }, // Always use DXA (percentages break in Google Docs)
  columnWidths: [4680, 4680], // Must sum to table width (DXA: 1440 = 1 inch)
  rows: [
    new TableRow({
      children: [
        new TableCell({
          borders,
          width: { size: 4680, type: WidthType.DXA }, // Also set on each cell
          shading: { fill: "D5E8F0", type: ShadingType.CLEAR }, // CLEAR not SOLID
          margins: { top: 80, bottom: 80, left: 120, right: 120 }, // Cell padding (internal, not added to width)
          children: [new Paragraph({ children: [new TextRun("Cell")] })]
        })
      ]
    })
  ]
})

表の幅の計算：

必ず WidthType.DXA を使用してください — WidthType.PERCENTAGE は Google Docs で正しく動作しません。

// Table width = sum of columnWidths = content width
// US Letter with 1" margins: 12240 - 2880 = 9360 DXA
width: { size: 9360, type: WidthType.DXA },
columnWidths: [7000, 2360]  // Must sum to table width

幅のルール：

• 必ず WidthType.DXA を使用してください — WidthType.PERCENTAGE は使用しないでください（Google Docs と互換性がありません）
• 表の幅は columnWidths の合計と一致させてください
• セルの width は対応する columnWidth と一致させてください
• セルの margins は内側の余白です — コンテンツ領域を狭めるものであり、セル幅に加算されるものではありません
• ページ幅いっぱいの表には、コンテンツ幅（ページ幅から左右の余白を引いた幅）を使用してください

画像

// CRITICAL: type parameter is REQUIRED
new Paragraph({
  children: [new ImageRun({
    type: "png", // Required: png, jpg, jpeg, gif, bmp, svg
    data: fs.readFileSync("image.png"),
    transformation: { width: 200, height: 150 },
    altText: { title: "Title", description: "Desc", name: "Name" } // All three required
  })]
})

改ページ

// CRITICAL: PageBreak must be inside a Paragraph
new Paragraph({ children: [new PageBreak()] })

// Or use pageBreakBefore
new Paragraph({ pageBreakBefore: true, children: [new TextRun("New page")] })

目次

// CRITICAL: Headings must use HeadingLevel ONLY - no custom styles
new TableOfContents("Table of Contents", { hyperlink: true, headingStyleRange: "1-3" })

ヘッダー／フッター

sections: [{
  properties: {
    page: { margin: { top: 1440, right: 1440, bottom: 1440, left: 1440 } } // 1440 = 1 inch
  },
  headers: {
    default: new Header({ children: [new Paragraph({ children: [new TextRun("Header")] })] })
  },
  footers: {
    default: new Footer({ children: [new Paragraph({
      children: [new TextRun("Page "), new TextRun({ children: [PageNumber.CURRENT] })]
    })] })
  },
  children: [/* content */]
}]

docx-js の重要なルール

• ページサイズを明示的に設定する — docx-js のデフォルトは A4 です。米国向けのドキュメントには US Letter（12240 x 15840 DXA）を使用してください
• 横向きでは縦向きの寸法を渡す — docx-js は内部で幅と高さを入れ替えます。短辺を width、長辺を height として渡し、orientation: PageOrientation.LANDSCAPE を設定してください
• \n は使用しない — 個別の Paragraph 要素を使用してください
• Unicode の箇条書き記号は使用しない — 番号付けの設定で LevelFormat.BULLET を使用してください
• PageBreak は Paragraph 内に配置する — 単独で配置すると無効な XML が生成されます
• ImageRun には type が必要 — png／jpg などを必ず指定してください
• 表の width は必ず DXA で設定する — WidthType.PERCENTAGE は使用しないでください（Google Docs で正しく動作しません）
• 表には二重の幅指定が必要 — columnWidths 配列とセルの width の両方を設定し、値を一致させてください
• 表の幅 = columnWidths の合計 — DXA の場合は合計が正確に一致するようにしてください
• セルの余白を必ず追加する — 読みやすい余白には margins: { top: 80, bottom: 80, left: 120, right: 120 } を使用してください
• ShadingType.CLEAR を使用する — 表の網掛けには SOLID を使用しないでください
• 目次には HeadingLevel のみを使用する — 見出し段落にカスタムスタイルを適用しないでください
• 組み込みスタイルを上書きする — "Heading1"、"Heading2" など、正確な ID を使用してください
• outlineLevel を含める — 目次に必要です（H1 は 0、H2 は 1 など）

---

既存のドキュメントの編集

以下の 3 つの手順を順番どおりに実行してください。

手順 1：展開

python scripts/office/unpack.py document.docx unpacked/

XML を抽出して整形し、隣接する run を結合し、スマート引用符を XML エンティティ（“ など）に変換して、編集後も保持されるようにします。run の結合を省略するには、--merge-runs false を使用してください。

ステップ 2：XML を編集する

unpacked/word/ 内のファイルを編集します。パターンについては、以下の XML リファレンスを参照してください。

変更履歴とコメントの作成者には、ユーザーが別の名前を明示的に指定しない限り、「Claude」を使用してください。

文字列の置換には Edit ツールを直接使用してください。Python スクリプトは作成しないでください。 スクリプトを使うと、不必要に複雑になります。Edit ツールでは、置換対象が正確に表示されます。

重要：新しいコンテンツにはスマートクォートを使用してください。 アポストロフィや引用符を含むテキストを追加する場合は、XML エンティティを使用してスマートクォートを出力します。

<w:t>Here&#x2019;s a quote: &#x201C;Hello&#x201D;</w:t>

エンティティ	文字
‘	'（左シングルクォート）
’	'（右シングルクォート／アポストロフィ）
“	"（左ダブルクォート）
”	"（右ダブルクォート）

コメントの追加： 複数の XML ファイルにまたがる定型処理には comment.py を使用します（テキストは事前に XML エスケープしてください）。

python scripts/comment.py unpacked/ 0 "Comment text with & and ’"
python scripts/comment.py unpacked/ 1 "Reply text" --parent 0  # reply to comment 0
python scripts/comment.py unpacked/ 0 "Text" --author "Custom Author"  # custom author name

次に、document.xml にマーカーを追加します（「XML リファレンス」の「コメント」を参照）。

ステップ 3：パッケージ化する

python scripts/office/pack.py unpacked/ output.docx --original document.docx

自動修復による検証を行い、XML を圧縮して DOCX を作成します。検証を省略するには --validate false を使用してください。

自動修復で修正される項目：

• durableId が 0x7FFFFFFF 以上（有効な ID を再生成）
• 空白を含む <w:t> に xml:space="preserve" がない

自動修復で修正されない項目：

• 不正な XML、不正な要素の入れ子、リレーションシップの欠落、スキーマ違反

よくある落とし穴

• <w:r> 要素全体を置き換える：変更履歴を追加するときは、<w:r>...</w:r> ブロック全体を、兄弟要素となる <w:del>...<w:ins>... に置き換えます。実行要素の内部に変更履歴タグを挿入しないでください。
• <w:rPr> の書式設定を保持する：太字やフォントサイズなどを維持するため、元の実行要素の <w:rPr> ブロックを変更履歴の実行要素にコピーしてください。

---

XML リファレンス

スキーマへの準拠

• <w:pPr> 内の要素の順序：<w:pStyle>、<w:numPr>、<w:spacing>、<w:ind>、<w:jc>、最後に <w:rPr>
• 空白：先頭または末尾に空白がある <w:t> には xml:space="preserve" を追加します
• RSID：8 桁の 16 進数である必要があります（例：00AB1234）

変更履歴

挿入：

<w:ins w:id="1" w:author="Claude" w:date="2025-01-01T00:00:00Z">
  <w:r><w:t>inserted text</w:t></w:r>
</w:ins>

削除：

<w:del w:id="2" w:author="Claude" w:date="2025-01-01T00:00:00Z">
  <w:r><w:delText>deleted text</w:delText></w:r>
</w:del>

<w:del> 内： <w:t> の代わりに <w:delText> を、<w:instrText> の代わりに <w:delInstrText> を使用します。

最小限の編集 — 変更箇所だけにマークを付けます：

<w:r><w:t>The term is </w:t></w:r>
<w:del w:id="1" w:author="Claude" w:date="...">
  <w:r><w:delText>30</w:delText></w:r>
</w:del>
<w:ins w:id="2" w:author="Claude" w:date="...">
  <w:r><w:t>60</w:t></w:r>
</w:ins>
<w:r><w:t> days.</w:t></w:r>

段落／リスト項目全体の削除 — 段落内のすべてのコンテンツを削除する場合は、次の段落と結合されるよう、段落記号にも削除マークを付けます。<w:pPr><w:rPr> 内に <w:del/> を追加します：

<w:p>
  <w:pPr>
    <w:numPr>...</w:numPr>  
    <w:rPr>
      <w:del w:id="1" w:author="Claude" w:date="2025-01-01T00:00:00Z"/>
    </w:rPr>
  </w:pPr>
  <w:del w:id="2" w:author="Claude" w:date="2025-01-01T00:00:00Z">
    <w:r><w:delText>Entire paragraph content being deleted...</w:delText></w:r>
  </w:del>
</w:p>

<w:pPr><w:rPr> 内に <w:del/> がないと、変更を承認したときに空の段落／リスト項目が残ります。

別の作成者による挿入の取り消し — その作成者の挿入内に削除をネストします：

<w:ins w:author="Jane" w:id="5">
  <w:del w:author="Claude" w:id="10">
    <w:r><w:delText>their inserted text</w:delText></w:r>
  </w:del>
</w:ins>

別の作成者による削除の復元 — その削除は変更せず、後ろに挿入を追加します：

<w:del w:author="Jane" w:id="5">
  <w:r><w:delText>deleted text</w:delText></w:r>
</w:del>
<w:ins w:author="Claude" w:id="10">
  <w:r><w:t>deleted text</w:t></w:r>
</w:ins>

コメント

comment.py を実行した後（「ステップ 2」を参照）、document.xml にマーカーを追加します。返信には --parent フラグを使用し、親のマーカー内にネストします。

重要：<w:commentRangeStart> と <w:commentRangeEnd> は <w:r> の兄弟要素であり、<w:r> の内部には置きません。

<w:commentRangeStart w:id="0"/>
<w:del w:id="1" w:author="Claude" w:date="2025-01-01T00:00:00Z">
  <w:r><w:delText>deleted</w:delText></w:r>
</w:del>
<w:r><w:t> more text</w:t></w:r>
<w:commentRangeEnd w:id="0"/>
<w:r><w:rPr><w:rStyle w:val="CommentReference"/></w:rPr><w:commentReference w:id="0"/></w:r>


<w:commentRangeStart w:id="0"/>
  <w:commentRangeStart w:id="1"/>
  <w:r><w:t>text</w:t></w:r>
  <w:commentRangeEnd w:id="1"/>
<w:commentRangeEnd w:id="0"/>
<w:r><w:rPr><w:rStyle w:val="CommentReference"/></w:rPr><w:commentReference w:id="0"/></w:r>
<w:r><w:rPr><w:rStyle w:val="CommentReference"/></w:rPr><w:commentReference w:id="1"/></w:r>

画像

1. 画像ファイルを word/media/ に追加します
2. word/_rels/document.xml.rels にリレーションシップを追加します：

<Relationship Id="rId5" Type=".../image" Target="media/image1.png"/>

3. [Content_Types].xml にコンテンツタイプを追加します：

<Default Extension="png" ContentType="image/png"/>

4. document.xml で参照します：

<w:drawing>
  <wp:inline>
    <wp:extent cx="914400" cy="914400"/>  
    <a:graphic>
      <a:graphicData uri=".../picture">
        <pic:pic>
          <pic:blipFill><a:blip r:embed="rId5"/></pic:blipFill>
        </pic:pic>
      </a:graphicData>
    </a:graphic>
  </wp:inline>
</w:drawing>

---

依存関係

• pandoc：テキスト抽出
• docx：npm install -g docx（新しいドキュメント用）
• LibreOffice：PDF 変換（サンドボックス環境では scripts/office/soffice.py によって自動設定されます）
• Poppler：画像用の pdftoppm