hmo
04db423416
- 70 skills with code and documentation - Add .gitignore (ignore __pycache__, output/, temp/, venv/) - Clean up test intermediates and caches
4.1 KiB
4.1 KiB
DOC to Tables Skill
概述
将Word文档（.docx）转换为结构化Markdown表格，再生成专业HTML表格文件的完整工作流技能。适用于需要从非结构化文档中提取比赛获奖、考级成绩、荣誉证书等信息并转换为标准化表格格式的场景。
适用场景
- 钢琴/音乐比赛获奖名单整理
- 考级成绩汇总
- 教师荣誉奖项统计
- 学生获奖情况整理
- 年度汇总报告制作
- 任何需要从Word文档提取结构化数据并生成表格的场景
输入要求
源文档格式
- Word文档（.docx）包含获奖/成绩/荣誉信息
- 文档中通常包含：
- 比赛/考级名称作为标题
- 学生姓名、奖项、指导教师等信息
- 可能包含重复或不完整的指导教师信息
预期输出
- 结构化的Markdown文件（带正确表格格式）
- 专业的HTML文件（可直接用于海报制作）
工作流程
阶段1：文档分析与数据提取
- DOCX转Markdown：使用pandoc保留原始标题层级结构
- 数据模式识别：分析文档中的信息模式（学生姓名、组别奖项、指导教师）
- 重复数据去重：识别相同奖项的多个获奖者，合并教师姓名
阶段2：Markdown表格整理
- 统一表格结构：
- 三列表格：
|获奖学生|组别和奖项|指导老师| - 两列表格：
|赛事/活动|奖项/荣誉|
- 三列表格：
- 智能标题适配：
- 简单奖项使用"奖项"列标题
- 复杂奖项使用"组别和奖项"列标题
- 考级项目保持完整信息（性别、级别、分数、评级）
- 教师奖项优化：
- 相同奖项的教师合并到同一行
- 使用逗号分隔多个教师姓名
- 特殊奖项单独列出
阶段3：HTML表格生成
- 响应式设计：表格宽度100%自适应
- 精确列宽控制：
- 三列表格：20% | 60% | 20%
- 两列表格：70% | 30%
- 专业样式：
- 表格边框和交替背景色
- 教师奖项使用缩小字体
- 支持打印和PDF导出
使用方法
基本用法
# 将Word文档转换为Markdown和HTML表格
python doc_to_tables.py "input.docx" "output"
高级选项
# 自定义列宽比例
python doc_to_tables.py "input.docx" "output" --three-col-widths "25,50,25" --two-col-widths "60,40"
# 包含教师奖项处理
python doc_to_tables.py "input.docx" "output" --process-teacher-awards
# 生成无表头HTML（适合海报制作）
python doc_to_tables.py "input.docx" "output" --no-headers
输出文件
{output}_md.md- 结构化Markdown文件{output}_html.html- 专业HTML表格文件
技术特点
智能数据匹配
- 跨比赛匹配学生与指导教师
- 自动补全缺失的指导教师信息
- 处理双人/多人项目的指导教师合并
格式优化
- Markdown表格在Obsidian中完美显示
- HTML表格适合Photoshop导入和海报制作
- 支持中文字符和特殊符号
错误处理
- 自动检测和修复格式问题
- 缺失数据留空供后续补充
- 保留原始数据完整性
示例场景
音乐比赛获奖整理
输入：包含多个钢琴比赛获奖名单的Word文档 输出：
- Markdown表格按比赛分类，包含学生、奖项、指导教师
- HTML表格可直接用于制作年度喜报海报
考级成绩汇总
输入：英皇、音协等考级成绩Word文档 输出：
- 结构化表格包含学生姓名、性别、级别、分数、评级、指导教师
- 专业HTML格式适合打印和展示
注意事项
- 标题层级：源文档应使用适当的标题层级（H1-H6）
- 数据一致性：学生姓名和教师姓名应保持一致拼写
- 特殊字符：支持中文、英文、数字和常见符号
- 空值处理：缺失的指导教师信息会留空，方便后续补充
依赖项
- pandoc (DOCX转Markdown)
- Python 3.6+
- fpdf2 (可选，用于PDF生成)
扩展性
此技能可轻松扩展以支持：
- Excel文件作为输入源
- 其他文档格式（PDF、PPT）
- 自定义表格样式和主题
- 多语言支持
- 自动化批量处理