docx_text_extract 技能

功能说明

该技能从DOCX文件中提取纯文本内容，保存为txt文件，适用于需要提取文档文本进行分析或处理的场景。

核心功能

• 提取DOCX中的文本内容
• 保持段落结构
• 支持UTF-8编码
• 自动创建输出目录

使用方法

python scripts/run_docx_text_extract.py --input_path <输入DOCX> --output_path <输出TXT>

参数说明

参数	类型	必填	默认值	说明
input_path	string	是	-	输入DOCX文件路径
output_path	string	是	-	输出TXT文件路径

示例

python scripts/run_docx_text_extract.py --input_path document.docx --output_path text.txt

注意事项

• 输出目录不存在时会自动创建
• 提取的文本会保持段落分隔
• 不支持提取图片中的文字（如需请使用OCR工具）
• 如果DOCX文件损坏或不是标准格式，可能提取失败