tex2docx - SKILL.md Agent Skill

name: tex2docx description: | LaTeX (ctexart) → DOCX 格式保持转换。三步流程：

python-docx 生成匹配 ctexart 样式的 reference.docx 模板
pandoc + reference.docx 执行转换（公式→OMML、图片嵌入）
python-docx 后处理（中文字体、图注识别、表格线型、图片尺寸）

触发场景：

用户需要将 LaTeX 文件转为 Word 文档并保持格式
用户说"转 docx"、"输出 Word 版本"、"转成 Word"
中期报告、论文等需要提交 DOCX 格式时

依赖：python-docx、pandoc 3.x tags: - latex - docx - pandoc - 格式转换

tex2docx: LaTeX → DOCX 格式保持转换

概述

将 ctexart 格式的 LaTeX 文档转为格式保持的 Word (.docx) 文件。通过三步混合流程（模板生成 + pandoc 转换 + 后处理微调），保留页面布局、中文字体、标题样式、表格线型、图片尺寸和数学公式。

适用范围

源格式：ctexart 文档（A4、12pt、宋体/黑体）
输出格式：Word 2007+ (.docx)
典型场景：中期报告、开题报告、论文等需要同时提交 PDF 和 DOCX 的情况

依赖

工具	用途	安装
pandoc ≥ 3.0	LaTeX→DOCX 核心转换	`winget install pandoc`
python-docx ≥ 1.0	模板生成 + 后处理	`pip install python-docx`

转换脚本

核心脚本：DHL/mid_term/tex2docx.py

# 运行转换（自动三步流程）
python DHL/mid_term/tex2docx.py

三步流程详解

Step 1: 创建 reference.docx 模板

用 python-docx 生成匹配 ctexart 样式的 Word 模板：

属性	ctexart 默认值	DOCX 对应
页面	A4	`sections.page_width/height`
边距	2.5cm 四边	`margins`
正文	12pt 宋体	`Normal` style: SimSun 12pt, eastAsia=宋体
一级标题	黑体三号	`Heading 1`: SimHei 16pt, 加粗
二级标题	黑体四号	`Heading 2`: SimHei 14pt, 加粗
图注/表注	宋体五号	`Caption`: SimSun 10.5pt, 居中
行距	1.3 倍	`line_spacing = 1.3`
首行缩进	~2 字符	`first_line_indent = 0.74cm`

Step 2: pandoc 转换

pandoc input.tex -o output.docx \
  --from latex --to docx \
  --reference-doc=reference.docx \
  --resource-path=figures/

pandoc 自动处理：

LaTeX 公式 → OMML（Word 原生公式）
\includegraphics → 嵌入图片
\ref{} → 交叉引用文字
\begin{itemize} → Word 列表

Step 3: python-docx 后处理

后处理项	方法
中文字体	检测含中文的 run，强制设置 `eastAsia=宋体`
图注识别	按内容特征（子面板 `(a)/(b)`、"引自"、表注关键词）识别 Caption 段落
表格线型	模拟 booktabs：顶底线粗（sz=12）、表头下线细（sz=6）
图片尺寸	限制宽度 ≤ 页面可用宽 85%（13.6cm），按比例缩放
标题缩进	Heading 1/2 去除首行缩进

图注识别规则

pandoc 不保留 \caption 样式，需按内容特征识别：

识别为 Caption：

以 "图 N" / "表 N" 开头
含子面板描述 (a)/(b)/(c) + "引自"
含表注关键词（"技术指标"、"时间安排"）且段落 < 30 字
含 "引自" 且段落 < 150 字

排除（非 Caption）：

"图 N 展示了..." / "图 N 所示..." — 正文引用
以小节编号开头（"4.5 时间安排"） — 标题

复用到其他 LaTeX 文件

如需转换其他 ctexart 文件，修改 tex2docx.py 中的路径配置：

BASE_DIR = "目标目录"
TEX_FILE = os.path.join(BASE_DIR, "input.tex")
DOCX_OUT = os.path.join(BASE_DIR, "output.docx")
FIGURES_DIR = os.path.join(BASE_DIR, "figures")

或直接命令行：

python tex2docx.py --input paper.tex --output paper.docx --figures fig/

质量验证

转换后需检查：

检查项	方法
页面设置	Word → 布局 → 页面设置：A4、2.5cm
中文字体	选中中文文字 → 查看字体：宋体
图片完整	逐页滚动，确认 7 张图片全部嵌入
公式显示	双击公式 → Word 公式编辑器可编辑
表格线型	查看表格：顶底线粗、无竖线
图注居中	查看图注段落：五号字、居中

关联 Skills

Skill	关系
`mid-term-report`	上游：写完 LaTeX 报告后用本 skill 转 DOCX
`document-skills`	同类：通用文档处理
`bishe-guider`	上游：毕业论文 LaTeX 编写规范

已知限制

pandoc 丢 LaTeX 特有排版：\textbf{} 嵌套、复杂 tabularx 对齐可能不完全保留
公式复杂度：多行公式（\begin{aligned}）可能渲染不完美，需手动微调
参考文献：\cite{} 转为纯文字，Word 端无自动引用管理
非 ctexart：如用 zjuthesis/ctexbook 等类，需调整 reference.docx 样式

本 skill 基于中期报告 tex2docx.py 实战经验固化，三步流程经过 7 图 + 2 表 + 9 图注的完整验证。