技能介绍

文档格式互转为什么总是麻烦

日常工作中，文档会在 Markdown、Word、PDF、PPT、Excel 之间反复横跳：写好的 Markdown 报告要交付成 Word 或 PDF，论文 PDF 需要提取成可编辑的 Markdown，会议 PPT 要转回 Word 存档，表格要导出 PDF 归档。多数转换工具要么要求上传云端、让敏感文件离开本机，要么转换后排版崩坏——表格列宽错位、代码块丢失、PPT 不按标题分页、中文字体回退成 Helvetica。

统一的结构化块管道

河洛文档转换器的核心是统一中间表示：所有源格式先解析为结构化块列表（标题、段落、代码、表格、列表、引用、图片、分隔线），再渲染为目标格式。18 种转换方向共享同一套解析和渲染逻辑，因此输出风格一致，也便于维护。

关键能力：

纯本地处理，不上传任何文件，适合含敏感信息的文档
Markdown、Word(.docx)、PDF、PPT(.pptx) 之间互转，覆盖标题、段落、代码块、表格、列表、引用、图片
Excel(.xlsx/.xls/.csv) 转 PDF 或 Markdown，多 Sheet 支持，每个 Sheet 输出一个标题加表格
PPT 转出按 H1/H2 标题自动分页，每页含标题栏和内容区
五种样式主题 default、elegant、modern、classic、minimal，通过 --style 参数切换
表格按内容比例分配列宽并自动换行，避免内容重叠
自动检测源文件编码（UTF-8/GBK/GB2312）和 CSV 分隔符

调用方式是命令行：python scripts/convert.py report.md docx --style elegant。

适用边界

它不是万能的：

不做 PPT 美化设计：生成的是结构化 PPT，不含动画、切换效果或母版
不做 OCR：扫描件 PDF 没有文字层时无法提取文字
不做 PDF 内容编辑：只能提取，不能修改已有内容
Excel 复杂操作：只提取单元格数据为表格，不支持公式、图表、数据透视表；读取 .xlsx 时用 data_only=True，公式单元格只保留计算结果
加密 PDF：检测到后提示输入密码，不自动破解
合并单元格：DOCX→MD/PPT 和 PPT→MD 时会拆成独立单元格
超长表格：单个 Sheet 超过 5000 行自动截断并提示
超大文件：超过 50MB 可以处理但耗时较长，建议拆分
嵌套列表：只支持一级嵌套，深层会被扁平化
PPT 高级元素：SmartArt、图表、嵌入对象不做提取