OfdReader

OFD（Open Fixed-layout Document）文档读取和转换工具。从 OFD 文件中提取内容并转换为 Markdown。

快速开始

提取纯文本

python scripts/ofd_to_text.py <ofd文件路径>

输出到文件：

python scripts/ofd_to_text.py <ofd文件路径> output.txt

转换为 Markdown

python scripts/ofd_to_markdown.py <ofd文件路径>

输出到文件：

python scripts/ofd_to_markdown.py <ofd文件路径> output.md

工作流程

1. 验证文件：确认 OFD 文件存在且格式有效（OFD 本质是 ZIP 压缩包）

1. 提取内容：
• 解压 OFD 文件
• 解析内部 XML 结构
• 提取 TextCode 和 TextContent 元素

1. 格式转换：
• 文本模式：直接拼接所有文本内容
• Markdown 模式：识别段落、标题和表格，转换为对应 Markdown 语法

1. 输出结果：打印到控制台或写入文件

脚本说明

• scripts/ofd_to_text.py：提取纯文本，保留所有文字内容但不处理格式
• scripts/ofd_to_markdown.py：转换为 Markdown，保留段落、标题和表格结构
• scripts/install_dependencies.py：安装可选依赖（核心功能使用标准库）

OFD 格式说明

OFD 文件结构：

• 根目录包含 OFD.xml（文档清单）
• Doc_0/ 目录包含文档内容
• 内容以 XML 格式存储，使用 http://www.ofdspec.org/2016 命名空间

关键元素：

• TextCode：文本内容
• Paragraph：段落
• Table：表格
• Row/Cell：表格行和单元格

限制和注意事项

1. 格式保真度：OFD 支持复杂的排版布局，脚本仅提取逻辑内容，无法完全保留视觉效果

1. 表格识别：基于 XML 结构推断表格，复杂表格可能转换不完整

1. 标题检测：使用启发式规则（短文本、特定模式），可能误判

1. 编码：OFD 通常使用 UTF-8，脚本自动处理编码

1. 依赖：核心脚本使用 Python 标准库（zipfile, xml.etree.ElementTree），无需额外依赖

使用示例

提取 OFD 文档文本：

# 用户询问时
python "C:\Users\zhan\.claude\plugins\skills\OfdReader\scripts\ofd_to_text.py" "document.ofd" "extracted.txt"

转换为 Markdown：

python "C:\Users\zhan\.claude\plugins\skills\OfdReader\scripts\ofd_to_markdown.py" "document.ofd" "document.md"

故障排除

错误："文件不是有效的 OFD (ZIP) 格式"

• 文件可能损坏或不是 OFD 格式
• 检查文件扩展名是否为 .ofd

错误："OFD 文件不存在"

• 检查文件路径是否正确
• Windows 路径需要用引号括起来

提取内容为空

• OFD 文件可能是扫描版图片（无文本层）
• 尝试用其他工具打开确认是否有可提取的文本

表格格式混乱

• 复杂表格可能无法完美转换
• 考虑使用 ofd_to_text.py 提取纯文本后手动整理