文件整理技能 (document-organizer)

概述

專業的文件批次處理技能，支援舊版 Office 文件（.doc/.xls）高質量轉換為 Markdown，保持格式結構完整。

核心能力

✅ 格式轉換

• Word 文件: .doc → .md（LibreOffice 直接轉換）
• Word 文件: .docx → .md（LibreOffice 直接轉換）

  7w4.net小蔥技能。

• Excel 表格: .xls → .xlsx → .md（保留表格結構）
• PowerPoint: .ppt → .pptx → .md（可選支援）
• 現代格式: .xlsx/.pptx → .md（MarkItDown 直接處理）

✅ 批次處理

• 支援按目錄批次轉換
• 自動保持原目錄結構
• 分類處理不同型別檔案
• 錯誤自動記錄，不中斷流程

✅ 質量保證

• 完美保留標題層級（H1-H6）
• 表格結構完整（Markdown 表格）
• 加粗/斜體樣式保留
• 列表有序/無序完整
• 中文無亂碼（UTF-8 編碼）

快速開始

1. 環境準備

# 安裝 LibreOffice（系統級）
# 下載: https://zh-cn.libreoffice.org/

# 安裝 Python 依賴
pip install markitdown[docx,xlsx]

2. 使用方法

# 互動模式（推薦）
npx skills run document-organizer

# 命令列引數
npx skills run document-organizer --source "源目錄" --output "輸出目錄" --type doc,xls

3. 配置

首次執行會檢測 LibreOffice 路徑，預設： - Windows: D:\Program Files\LibreOffice\program\soffice.exe - Linux: /usr/bin/soffice - macOS: /Applications/LibreOffice.app/Contents/MacOS/soffice

詳細功能

文件型別處理

批次處理策略

方案一：分類批次（推薦）

批次轉換所有 .doc 檔案:
  soffice --convert-to md *.doc

批次轉換所有 .docx 檔案:
  soffice --convert-to md *.docx

批次轉換所有 .xls 檔案:
  soffice --convert-to xlsx *.xls  →  markitdown *.xlsx

批次轉換所有 .ppt 檔案:
  soffice --convert-to pptx *.ppt  →  markitdown *.pptx

方案二：遞迴處理

掃描目錄樹，按檔案型別分組
分別批次轉換每個子目錄
保持完整目錄結構輸出

使用示例

示例 1: 轉換單個目錄

# 掃描源目錄
npx skills run document-organizer --source "G:\歷史文件" --output "d:\知識庫"

輸出結構：

知識庫/
├── 專案A/
│   ├── 需求文件.md
│   └── 設計文件.md
└── 專案B/
    └── 會議記錄.md

示例 2: 僅處理 Word 文件

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

示例 3: 處理 PDF 文件

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

示例 4: 先掃描統計

npx skills run document-organizer --scan-only "G:\docs"
# 輸出: 檔案統計，不執行轉換

配置選項

效能參考

測試環境: i5 CPU, 16GB RAM, SSD

常見問題

Q: LibreOffice 找不到？

A: 確保安裝並新增到 PATH，或通過 --soffice-path 指定：

npx skills run document-organizer --soffice-path "C:\Program Files\LibreOffice\program\soffice.exe"

Q: 轉換失敗怎麼辦？

A: 檢查錯誤日誌，常見原因： - 原始檔損壞 - 臨時檔案（~$ 開頭）自動跳過 - 許可權不足（以管理員執行）

Q: 可以預覽而不轉換嗎？

A: 使用 --dry-run 引數：

npx skills run document-organizer --source "docs" --dry-run
# 輸出: 將轉換 X 個檔案，Y 個目錄，跳過 Z 個

Q: 如何只轉換特定子目錄？

A: 結合 --filter 和路徑模式：

npx skills run document-organizer --source "docs" --filter "00_模板/*.doc"

技術架構

┌─────────────────┐
│   使用者命令       │
│  npx skills ... │
└────────┬────────┘
         │
         ▼
┌─────────────────────────────────────────────┐
│         文件整理技能 (Python)              │
│  • 掃描目錄樹                               │
│  • 按型別分組 (doc/xls/docx/xlsx)         │
│  • 呼叫 LibreOffice 批次轉換                │
│  • 呼叫 MarkItDown 結構化轉換               │
│  • 保持目錄結構 + 重新命名                    │
│  • 錯誤處理 + 日誌記錄                      │
└─────────────────────────────────────────────┘
         │
         ▼
┌─────────────────┐    ┌──────────────────┐
│  LibreOffice    │    │   MarkItDown     │
│  (格式轉換)      │    │  (結構化輸出)     │
└─────────────────┘    └──────────────────┘
         │                       │
         └───────────┬───────────┘
                     ▼
              ┌─────────────┐
              │   .md 檔案   │
              │  (可搜尋)    │
              └─────────────┘

依賴清單

指令碼檔案

本技能包含以下指令碼：

使用建議

✅ 推薦場景

• 批次轉換舊版 Office 文件（.doc/.xls）
• 構建可搜尋的知識庫
• 文件數字化歸檔
• 保留原始格式和結構

❌ 不推薦場景

• 僅需提取純文本（用 strings 命令即可）
• 掃描圖片型 PDF（需 OCR 專用工具）
• 線上即時轉換（需啟動辦公軟體）

版本歷史

• v1.0.4 (2026-03-12)
• 修復：移除對不存在的外部 convert-markdown 目錄和指令碼的依賴
• 修復：移除對特定路徑虛擬環境的依賴
• 最佳化：直接使用 markitdown 命令列工具進行轉換

• 最佳化：增加 markitdown 命令的自動檢測邏輯

• v1.0.3 (2026-03-12)

• 修復：移除不存在的 --temp-dir 引數
• 更新：完善所有支援的檔案型別說明

• 最佳化：文件與實際指令碼保持一致

• v1.0.2 (2026-03-11)

• 最佳化：移除臨時目錄，直接生成 .md 檔案
• 新增：.docx 檔案 LibreOffice 直接轉換
• 最佳化：convert_modern 支援引數呼叫
• 最佳化：批次轉換邏輯，提高速度

• 最佳化：--dry-run 模式跳過 LibreOffice 檢查

• v1.0.0 (2026-03-11)

• 初始版本
• 支援 .doc/.xls 批次轉換
• 最佳化：LibreOffice 直接轉 Markdown
• 分類處理，保持目錄結構

最後更新: 2026-03-12
適用平臺: Windows/Linux/macOS (需 LibreOffice)
許可證: MIT

這個工具質量不錯，能把 Word、Excel、PPT、PDF 文件批次轉成 Markdown 格式，中文支援好，保持原目錄結構，適合整理歷史文件庫。優點是支援的格式多、批次處理快、有預覽功能。主要問題是使用前需要手動安裝 LibreOffice 和 Python 工具，對新手不太友好，偶爾轉換大檔案時可能超時出錯。