word-wzq · Word(.docx) 多模态教学知识库自动化构建

把 Word 讲义/教材文稿自动转化为可检索、可复用、可再加工的多模态教学知识库： 节级文本 + 公式 LaTeX + 图片集 + 图片 AI 理解 + 教材文案 + 图文绑定 JSON。 与 pptx-wzq 同构——指令、流程、产物协议完全一致。

核心方案：混合法

Word 是连续流文档、无物理页，故采用「标题层级逻辑分块 + 可选渲染定页」：

1. 逻辑分块（默认）：以 Heading19 / 标题19 样式切分「节」→ 节即伪「页」， 段落/表格/图片/公式归属最近一节；教材语义比物理页更贴切；
2. 渲染定页（--render-pages 增强）：LibreOffice/Word 导出 PDF 后映射物理页码， 用于与「PPTX 转 PDF」对齐或人工核对。

安装

pip install word-wzq
pip install "word-wzq[render]"   # 混合法增强：物理页码映射

快速开始

# 一条命令完整流水线（自动装依赖 / 引导 Key / 预估 Token / 确认执行）
word-paser 模拟电子技术讲义.docx -o 讲义输出

# 结果目录：images/ + <名>_captions.md + <名>_textbook.md + <名>_binding.json

# 分步执行
word-text 讲义.docx -o out
word-formula 讲义.docx -o out
word-img 讲义.docx -o out
word-caption out/images -o cap.md --texts out/texts.md --formulas out/formulas.md
word-author --texts out/texts.md --formulas out/formulas.md --captions cap.md -o textbook.md
word-bind out -o binding.json --textbook textbook.md --images-dir out/images

指令一览

作者

吴振谦 · wuzhenqian@nbu.edu.cn · QQ：38328063