图片转可编辑word
Introduction
\--- name: photo-to-doc description: 把拍摄或扫描的书页、教辅、试卷、资料照片按内容顺序整理成排版规整的 Word 文档（.docx，并可另存 .doc）。自动处理倒置页、双栏排版、跨页断句，从照片中裁出原图并重建表格、选项、填空横线。当用户说"把这几张图片按顺序编成 Word/.doc""照片转文档""把这套题拍照转成文字稿""扫描件整理成 doc"时使用。不适用于纯 OCR 摘要、PDF 互转。 agent_created: true \--- # 图片转 Word 文档 ## 用途 把一组页面照片（手机拍的教材、教辅、试卷、讲义）转成一份可直接编辑、可打印的 Word 文档：文字按内容顺序重排，插图像原书那样嵌回原位，表格与选项结构还原，填空处保留手写横线。 核心思路是**内容与排版分离**： - Agent 负责"看懂"：读图取文、判断页序、量图坐标、写一份内容规格 JSON； - 脚本负责"排版"：字体、字号、间距、标题框线、表格底纹、插图等比缩放、页码，全部确定性生成。 **不要在生成的 docx 上手工改版式**。发现版式问题就改 JSON 重跑——这样能反复重生成、结果可复现。 ## 环境 - Windows + Microsoft Word（用于把 docx 另存为 .doc / PDF）。没有 Word 时只能交付 .docx，需要向用户说明。 - Python 用受管解释器 `C:\Users\Administrator\.workbuddy\binaries\python\versions\3.13.12\python.exe`，依赖 `python-docx`、`pillow`、`pymupdf`（缺失先 `python.exe -m pip install python-docx pillow pymupdf`）。 - 下文命令中 `PY` 指该解释器绝对路径，`SKILL` 指本技能目录。 ## 工作流程 ### 1. 预览定向 ```bash PY SKILL/scripts/preview_pages.py 照片目录或若干图片 --out preview_pages.jpg ``` 看缩略图总览，确认两件事：哪些页是 **180° 倒置**（页码在上、标题在下），每页是单栏还是双栏。倒置页在后续步骤统一用 `--rotate 180` 处理，不要先手动另存副本。 ### 2. 判定内容顺序 **内容顺序不等同拍摄顺序。** 先比对每页页眉、页码，以及首尾句是否接得上（例：上一页结尾"可知两"、下一页开头"军中…"）。按真实阅读顺序（页码升序）建立 `p34 → p38` 这样的页序映射，再开工。 读文字时按栏走：双栏页先左栏到底、再右栏；题干跨两栏时（选项分列在两栏顶部）要在转写时拼回一起。 ### 3. 定位并裁剪插图 先出网格图，按分数坐标量图框： ```bash PY SKILL/scripts/grid_overlay.py page34.jpg grid34.jpg --rotate 180 # 局部放大再看一次（y 区间 + x 区间 + 放大倍数） PY SKILL/scripts/grid_overlay.py page37.jpg grid37_right.jpg --range 0.54 0.80 --xrange 0.46 0.99 --zoom 1.7 ``` 读网格图，把每个图框写进 `crops.json`（`box` = `[x0,y0,x1,y1]`，四边各向外留 0.005—0.010 余量），再批量裁剪： ```bash PY SKILL/scripts/crop_figures.py crops.json ``` 脚本会打印每张图的尺寸/宽高比，并生成 `crops_check.jpg` 校验图。**必须读这张校验图**：图被裁断、裁进相邻文字、纸底发灰，都靠它发现。经验上需 2—3 轮微调 `box` 才能全部合格。 裁剪要点： - 线图用 `mode: gray`（去底、线条变实）；流程图、彩色地图用 `mode: color`，否则浅色色块会被洗掉。 - 相邻两个图框很近时，先确认中间那行归属哪张图（如"单位：hPa"），别让两张图各被切一半。 - 图例（`→→→ 水平气压梯度力`）属于图的一部分，裁进去；引导语（"近地面："）留给正文。 ### 4. 写内容规格 JSON 按 `references/content-spec.md` 的块类型逐段落笔。三条硬性要求： - 文字照原文，不改写、不合并；专业符号原样保留（hPa、30°—45°、＞、①）。 - 原文填空写成全角下划线 `＿＿＿＿＿`，长度按手写空间给。 - 每处插图在原位置放 `img` 块；表格用 `table` 块重建，不要用截图代替表格。 ### 5. 生成 docx ```bash PY SKILL/scripts/build_docx.py content.json -o "输出名.docx" --debug ``` ### 6. 另存 .doc 与 PDF ```powershell powershell -ExecutionPolicy Bypass -File SKILL/scripts/docx_to_doc.ps1 -Docx "F:\out\输出名.docx" -Pdf "F:\out\预览.pdf" ``` 用户要"`.doc`"时交付 `.doc`（Word 97-2003），同时保留 `.docx` 便于再编辑。 ### 7. 逐页校对 ```bash PY SKILL/scripts/render_pdf.py 预览.pdf --outdir preview_png ``` 逐张读渲染图，按下面的清单过一遍；有问题回第 3/4 步改配置重跑。 ### 8. 交付 用 `present_files` 同时给出 `.doc` 与 `.docx`。清理中间产物（网格图、预览图、预览 PDF）；若删除被安全钩子拦截而提示 skip，忽略即可，最后用目录列表确认实际结果。 ## 质量清单 - **文字**：无漏段、无重段；跨页断句已接回完整句子；页眉页脚不重复堆进正文。 - **页序**：与真实内容顺序一致；副标题标注原书页码范围（如"第 34—38 页"）。 - **图**：完整、不裁字、纸底干净、居中；宽图 ≤ 12 cm，方形组图 6—9 cm。 - **表**：不加多余装饰；行不跨页；表头有浅底纹；列宽按内容分配。 - **版式**：标题不落在页底（脚本内置 keep-with-next）；图与其引导语同页。 - **填空**：横线长度够手写，句末标点仍在横线之后。 - **页码**：页脚居中。 ## 参考文件 - `references/content-spec.md` — 内容规格 JSON 的全部块类型、样式参数、最小示例。 - `references/pitfalls.md` — 实战踩坑与修复手法（倒置页、双栏跨页、图表跨页、去底阈值、Word COM 等）。 - `assets/example-content.json` — 覆盖全部块类型的完整示例（含 `placeholder.png`），照着改成实际内容最快： `PY scripts/build_docx.py assets/example-content.json -o demo.docx` ## 脚本一览 | 脚本 | 作用 | | -------------------------- | --------------------------- | | `scripts/preview_pages.py` | 照片缩略图总览，查方向与栏数 | | `scripts/grid_overlay.py` | 叠加分数坐标网格，量图框 | | `scripts/crop_figures.py` | 批量裁剪 + 去底 + 裁剪校验图 | | `scripts/build_docx.py` | 内容 JSON → .docx | | `scripts/docx_to_doc.ps1` | Word COM：.docx → .doc / PDF | | `scripts/render_pdf.py` | PDF → PNG 逐页校对 |
Resource Information
License information is collected from official sources and may be outdated or missing. Refer to the LICENSE file in the original repository before commercial use.
Information boundary
Information on this page is collected from official documents for technical presentation only and does not imply our endorsement. Pricing, quotas and availability are subject to the latest official statements. We make no commitment regarding any action you take after leaving this site.
Similar skills
腾讯文档 TENCENT DOCS
Marked paidAPI key required腾讯文档（docs.qq.com）-在线云文档平台，是创建、编辑、管理文档的首选 skill。涉及"新建/创建/编辑/读取/查看/搜索文档"、"保存文件"、"云文档"、"腾讯文档"、"docs.qq.com"等操作，请优先使用本 skill。支持能力：(1) 创建各类在线文档（文档/Word/Excel/幻灯片/思维导图/流程图/智能表格/收集表）(2) 管理知识库空间（创建空间、查询空间列表）(3) 管理空间节点、文件夹结构 (4) 读取/搜索文档内容 (5) 编辑操作智能表 (6) 编辑操作在线文档 (7) 文件管理（重命名、移动、删除、复制、导入导出）(8) 网页剪藏、本地文件/html/文档上云。
秘书材料星公文写作-妙笔skill
Not specifiedAPI key required体制内资深办公室主任+管理学博士，自学编程开发的智能公文写作Skill，让所有办公室同仁少掉头发、少加无用的班，材料一稿过关，省下的时间留给自己、享受生活！————————我们能给你带来的核心价值：1、颠覆传统写作：逻辑建模38类公文全链条，特有模板化引导问答模式，分分钟省心生成高质量大稿。--------2、替你“向上管理”：独有审稿人画像机制，文稿一键结构性修改，精准匹配审稿人画像，过稿率提升至少10倍！----------3、杜绝AI编造：缺失的数字、文号、人名、日期一律用[待补]标注，绝不杜撰，守住公文底线。-----------4、算法格式托底：数十万全量智控知识库+6500行前沿核心控制代码，格式精准对齐GB/T 9704，出稿零失误。——————————————————本skill历史版本开放了5%知识库的免费试用版，下载即可使用，但需注意：知识库有著作权，仅用于个人使用，不可用于其他任何目的。有兴趣的可以试试。——————————————————————单次付费版skill已发布，2元一次使用全量知识库。具体在发布者“熵衍信息”主页skill里。
罗斯蒙德从想法到功能落地
Not specified【从想法到功能落地】南京罗斯蒙德基于已交付项目沉淀的需求到原型全链路技能：支持一句话描述、手绘草图、竞品截图、设计稿、PRD 文档、参考 URL 六种输入，先分诊再走对应解析链路，归一到统一需求模型后按信息量分场景澄清（模糊想法少问多假设、直接给梗概让你推翻；已有 PRD 或设计稿则主动抛出问题并捕获品牌主色与信息密度），生成含目标/非目标/用户故事/验收标准/边界与权限场景/竞品对标/埋点/灰度/里程碑/风险/外部参考的完整版 PRD 并跑可验收性自检，再由 PRD 推导页面清单，产出可离线打开的中保真 HTML 原型（PC / 移动端双骨架，主色 #1677FF）与需求覆盖矩阵，最后在你确认 HTML 无误后打包可导入墨刀的格式。多次无法满足需求时自动触发全网检索兜底。触发词：从想法到功能落地、想法落地、一句话转原型、草图转原型、截图转原型、写 PRD 并出原型、需求变 PRD、生成原型、需求覆盖矩阵、导入墨刀、原型交付、原型走查。
ppt-generator-skill
Not specified智能 PPT 生成助手。根据用户描述的主题、行业、风格，自动生成漂亮的 PPT 文件。支持所有行业（商务、教育、科技、医疗、金融、创意等），支持中英文双语，支持用户提供的模板或 AI 自动配色。触发词：做PPT、生成PPT、制作幻灯片、make ppt、create presentation、帮我做个PPT。
罗斯蒙德智能写作与文档交付
Not specified【罗斯蒙德智能写作与文档交付】南京罗斯蒙德基于已交付项目沉淀的文档写作场景，含三条业务流：A 客户模板套打——解析客户真实 docx 模板为模板契约，原位填充保留样式，逐章核验章节完整率 100%、页眉页脚与页面设置一致、无残留占位符；B 日报周报生成——从会议纪要与成员工作记录抽取事项候选并逐条溯源，归档为已完成/进行中/下一步/风险/协调五分类，核验不遗漏、不编造、不重复、状态不混淆；C 标品/公文/通用文档——GB/T 9704 七种公文文种等硬约束骨架固定，商务/通用文体动笔前必与用户确认写作风格与字数限制，骨架仅作确认后的可选参考。Trigger on: AI写作/按客户模板生成/客户模板套打/模板契约/严格按模板/章节完整率/项目周报/项目日报/工作周报/工作日报/会议纪要生成周报/公文写作/标品文档/格式标准化/转成PPT/转成Word/需求说明书/操作手册/复盘报告.
Excel / XLSX
FreemiumAPI key required创建、检查和编辑 Microsoft Excel 工作簿及 XLSX 文件，支持可靠的公式、日期、类型、格式、重算及模板保留功能。
What is a Skill
A Skill is a packaged single capability, such as text recognition, document summarization, or keyword extraction. Developers wrap the calling logic and prompts into a plugin-like unit, so users can load it without understanding the underlying model. StackPilot indexes a large number of skills that can be tried instantly or assembled into a plan.