Word / DOCX

适用场景

当主要处理对象是 Microsoft Word 文档或 .docx 文件时使用，尤其在涉及修订跟踪、批注、页眉页脚、编号、域、表格、模板或兼容性问题时。

核心规则

1. 将 DOCX 视为 OOXML，而非纯文本

• .docx 文件是 XML 部件的 ZIP 包，因此结构与可见文本同样重要。
• 关键部件通常是 word/document.xml、styles.xml、numbering.xml、页眉、页脚和关系文件。
• 文本可能被拆分到多个运行节点中；绝不能假设一个词或一句话只存在于一个 XML 节点中。
• 应有目的地使用不同的工作流：结构化提取用于快速阅读，样式驱动生成用于新建文件，OOXML 感知编辑用于处理脆弱的现有文档。
• 如果工作主要是读取、提取或审阅，应在接触 OOXML 之前优先使用结构保留的读取路径。
• 进行深度编辑时，应检查包布局，而不是仅依赖渲染输出。
• 读取、生成和保留已有的已审阅文档是不同的工作，即使格式相同。
• 旧版 .doc 输入通常需要转换后才能信任现代 .docx 的假设。

2. 有意识地保留样式和直接格式

• 优先使用命名样式而非直接格式，以便文档保持可编辑性。
• 样式层级：段落样式、字符样式和直接格式的行为并不相同。
• 移除直接格式通常比叠加更多内联格式更安全。
• 编辑现有文件时，应扩展现有样式系统，而非创建平行的样式体系。
• 在文档之间复制内容可能会静默地导入外部样式、主题设置和编号定义。

3. 列表和编号是独立的系统

• 项目符号和编号属于 Word 的编号定义，而非粘贴的 Unicode 字符。
• abstractNum、num 和段落编号属性都很重要，因此重启行为很少是"仅视觉效果"。
• 缩进和编号相关但不等同；即使缩进看起来正确，列表编号也可能是错误的。
• 在一个编辑器中看起来正确的列表，如果底层编号状态有误，在后续可能会重启、扁平化或重新编号。

4. 页面布局存在于节中

• 边距、方向、页眉、页脚和页码都是节级行为。
• 首页和奇偶页眉可以在同一文档中不同，因此修复一个页眉可能无法修复整个文档。
• 应明确设置页面大小，因为 A4 和 US Letter 的默认值会影响分页和表格宽度。
• 使用分节符进行布局更改；手动间距和散落的分页符通常会导致漂移。
• 页眉页脚中的媒体使用部件特定的关系，因此复制 ID 经常会导致图片或链接失效。
• 表格、分页符和页眉经常一起漂移，因此应将布局修复视为文档级别的操作，而非局部的外观调整。
• 表格几何形状取决于页面宽度、边距和固定宽度，因此"差不多就行"的表格编辑往往会在 Google Docs 或 LibreOffice 中出问题。

5. 修订跟踪、批注和域需要精确编辑

• 启用修订跟踪时，可见文本并非文档的全部。
• 插入、删除和批注携带的元数据可能在粗心的编辑中存活下来。
• 被删除的文本即使不再显示在屏幕上，可能仍然存在于 XML 中。
• 如果编辑移动文本时没有保留周围的结构，批注锚点和审阅范围可能会失效。
• 批注标记和审阅包装器的行为不像内联格式，因此随意移动文本可能导致批注孤立或错位。
• 批注、脚注、书签和链接媒体可能存在于单独的部件中，而不仅仅在主文档正文中。
• 目录、页码、日期、交叉引用和邮件合并占位符都是域。
• 应谨慎编辑域源，并预期缓存的显示值在刷新之前会滞后。
• 如果 ID 或关系不再匹配，超链接、书签和引用可能会失效。
• 书签、脚注、批注范围和交叉引用依赖稳定的锚点，即使可见文本看起来未被触动。
• 文档可能看起来正确，但仍包含过时的域输出，刷新后会变成不同的内容。
• 对于审阅工作流，应进行最小化替换，而非重写整个段落。
• 在修订跟踪工作流中，只有被更改的跨度应该看起来有所更改；大范围重写会产生嘈杂的审阅记录，并可能破坏原始格式上下文。
• 对于法律、学术或商务审阅文档，默认使用审阅风格编辑，而非整段重写，除非用户明确要求重写。

6. 交付前验证往返兼容性

• 复杂文档在 Word、LibreOffice、Google Docs 和转换工具之间可能会有偏移。
• 表格、页眉、嵌入字体和复制的样式是布局漂移的常见来源。
• 将 .docm 视为带宏的、高风险文件；将 .doc 视为可能需要先转换的旧版输入。
• 当布局很重要时，明确的表格宽度比自动调整或百分比样式的行为更安全，后者在不同编辑器中会被重新解释。
• 通过文本检查的文档在收件人打开后，仍可能在分页、表格宽度或引用刷新上出问题。

常见陷阱

• 复制粘贴可能会导入不需要的样式和编号定义。
• 页眉或页脚中的图片使用部件特定的关系，因此盲目重用 ID 会导致它们失效。
• 用作间距的空段落会使模板变得脆弱；间距应放在段落设置中。
• 看起来干净的导出仍可能隐藏未解决的修订、批注或过时的域值。
• 靠"肉眼"重启列表通常会失败，因为编号状态存在于段落文本之外。
• 一个可见的短语可能被拆分到多个运行节点、书签、修订标签或域边界中。
• 为了更改一个从句而替换整个段落，通常会破坏审阅质量、书签、批注或附近的内联格式。
• 从段落或列表项中删除所有可见文本仍可能留下空段落标记、空项目符号或不稳定的编号。
• 表格自动调整和百分比宽度行为在 Word 中可能看起来可以接受，但在 Google Docs 或 LibreOffice 中仍会漂移。
• LibreOffice 和 Google Docs 可能会偏移复杂的表格、节行为和嵌入字体，即使 Word 中看起来完美无缺。
• 兼容模式可能会静默限制较新的功能或更改分页行为。
• 页面大小或边距默认值的单个更改可能会波及表格、页眉、目录和交叉引用。
• 修订工作流可能在屏幕上看起来已接受，但残留的元数据、批注或域缓存仍可能导致文件后续不稳定。
• 目录条目、脚注和交叉引用可能看起来正确，直到收件人更新域后暴露出断开的锚点。