ملف Docx

# إنشاء وتحرير وتحليل ملفات DOCX

ملف `.docx` هو أرشيف ZIP لملفات XML. اختر طريقتك حسب المهمة:

| المهمة | الطريقة | |---|---| | **إنشاء** مستند جديد | اكتب نص `docx` (npm) — انظر الملاحظات أدناه | | **تحرير** مستند موجود | `unzip` ← تحرير `word/document.xml` ← `zip` (لا يمكن ل docx-js فتح الملفات الموجودة) | | **قراءة** المحتوى | `pandoc -t markdown file.docx` |

> مسارات النصوص البرمجية أدناه نسبية لدليل هذه المهارة.

## الإنشاء باستخدام docx-js — ملاحظات

`docx` مثبت مسبقا — لا تقم بتشغيل `npm install` أولا؛ اكتب النص البرمجي و `require('docx')` مباشرة. فقط إذا فشل هذا ال require: `npm install docx`. النموذج يعرف ال API؛ هذه هي الأخطاء الشائعة:

- **حجم الصفحة الافتراضي هو A4.** ل US Letter، اضبط `page: { size: { width: 12240, height: 15840 } }` (DXA؛ 1440 = 1 بوصة). - **الوضع الأفقي (Landscape):** مرر أبعاد الوضع الرأسي (portrait) و `orientation: PageOrientation.LANDSCAPE` — يقوم docx-js بتبديل العرض/الارتفاع داخليا. - **الجداول تحتاج إلى عرضين مزدوجين:** اضبط `columnWidths` على الجدول و `width` على كل خلية، وكلاهما في `WidthType.DXA` (PERCENTAGE يتعطل في Google Docs). يجب أن يتساوى مجموع عروض الأعمدة مع عرض الجدول. - **تظليل الجدول:** استخدم `ShadingType.CLEAR`، ولا تستخدم `SOLID` أبدا (يظهر باللون الأسود). - **القوائم:** لا تدرج `•` حرفيا أبدا؛ استخدم إعداد `numbering` مع `LevelFormat.BULLET`. - **`ImageRun` يتطلب `type:`** (`"png"`, `"jpg"`, …). - **`PageBreak` يجب أن يكون داخل `Paragraph`.** - **لا تستخدم `\n` أبدا** — استخدم عناصر `Paragraph` منفصلة. - **جدول المحتويات (TOC):** يجب أن تستخدم العناوين `HeadingLevel.*` المدمجة؛ أنماط العناوين المخصصة تحتاج إلى تعيين `outlineLevel` وإلا فلن تظهر. - **لا تستخدم جدولا كخط أفقي** — استخدم حدا سفليا للفقرة بدلا من ذلك. - **نقاط التتبع / محاذاة لليمين في نفس السطر:** استخدم `PositionalTab` (`alignment: PositionalTabAlignment.RIGHT`, `leader: PositionalTabLeader.DOT`) داخل `TextRun`، وليس `.` حرفيا أو مسافات حشو.

## التحقق من الإخراج

بعد كتابة ملف `.docx`، قم بعرضه وانظر إليه:

```bash python scripts/office/soffice.py --headless --convert-to pdf output.docx pdftoppm -jpeg -r 100 output.pdf page ls page-*.jpg # ثم اقرأ الصور ```

يقوم `pdftoppm` بتصفير أرقام الصفحات إلى عرض عدد الصفحات (`page-01.jpg`…`page-12.jpg`).

## تحرير المستندات الموجودة

يجب تحويل ملفات `.doc` القديمة أولا: `python scripts/office/soffice.py --headless --convert-to docx file.doc`.

```bash unzip -q doc.docx -d unpacked/ find unpacked -type l -delete # إزالة إدخالات الروابط الرمزية — ملفات docx من جهات خارجية غير موثوقة python scripts/merge_runs.py unpacked/ # دمج الأجزاء المجزأة بحيث يمكن العثور على النص # تحرير unpacked/word/document.xml في مكانه — لا تقم بإعادة التنسيق أو الطباعة الجميلة (cd unpacked && rm -f ../out.docx && zip -Xr ../out.docx .) python scripts/office/validate.py out.docx --original doc.docx # فحوصات XSD؛ --auto-repair يصلح المشاكل الشائعة # التعديلات (redlining)؟ أضف --author "<الاسم الذي قمت بالتعديل تحته>" للتحقق من تتبع كل تعديل ```

يقوم Word بتقسيم النص عبر العديد من تشغيلات `<w:r>` (معرفات المراجعة، علامات التدقيق الإملائي)، لذلك غالبا ما لا توجد عبارة يمكنك رؤيتها في المستند كسلسلة متصلة في XML. يقوم `merge_runs.py` بدمج التشغيلات المتجاورة ذات التنسيق المتطابق في `word/document.xml` دون تغيير المحتوى أو العرض؛ كما يقبل ملف `.docx` مباشرة (`python scripts/merge_runs.py doc.docx -o merged.docx`).

**التغييرات المتتبعة:** عند إجراء التعديلات، تحقق باستخدام `--author "<الاسم الذي قمت بالتعديل تحته>"` (يتطلب `--original`) — يقوم بالإبلاغ عن أي نص قمت بتغييره دون وجود `<w:ins>`/`<w:del>` حوله، وهو أمر سهل الحدوث عن طريق الخطأ وغير مرئي في العرض المقبول. قم بتغليف التشغيلات في `<w:ins>`/`<w:del>` مع سمات `w:id`, `w:author`, `w:date`. داخل `<w:del>`، عنصر النص هو `<w:delText>`، وليس `<w:t>`. علامة فقرة محذوفة (`<w:pPr><w:rPr><w:del w:id=".." w:author=".." w:date=".."/></w:rPr></w:pPr>`) تعني "دمج هذه الفقرة في الفقرة التالية" — لذا فإن حذف فقرة بالكامل هو ذلك بالإضافة إلى `<w:del>` حول كل تشغيل. يجب أن يأتي `<w:del/>` قبل الأطفال الآخرين ل rPr؛ ترتيبهم مفروض بواسطة المخطط (schema).

لإنتاج نسخة نظيفة مع قبول جميع التغييرات المتتبعة: `python scripts/accept_changes.py in.docx out.docx`.

يجب أن يؤدي قبول علامة فقرة محذوفة إلى ربط تلك الفقرة بالفقرة التي تليها، بحيث تختفي الفقرة التي تكون جميع تشغيلاتها محذوفة. يقوم Word بذلك؛ `accept_changes.py` و `pandoc --track-changes=accept` لا يفعلان ذلك دائما. كلاهما يفشل بنفس الطريقة — يقومان بتجريد النص المحذوف ولكن يتركان الفقرة الفارغة خلفهما، والتي تقرأ كنقطة فارغة ضالة عندما كانت مرقمة تلقائيا:

- `pandoc --track-changes=accept` لا يربط الفقرات أبدا. - `accept_changes.py` (LibreOffice) يربطها بشكل صحيح، باستثناء عندما تتبع الفقرة المحذوفة فقرة فاصلة فارغة.

النقطة الفارغة في أي من العرضين هي أثر من ذلك العرض، وليست عيبا في المستند. تحقق من حذف الفقرات في XML.

## التعليقات

تتطلب التعليقات ستة ملفات مرتبطة ببعضها. استخدم المساعد — وضع الدليل عندما ستقوم أيضا بتحرير `document.xml` (يوفر u)