word-standards

Générateur de documents Word — le pipeline md→pandoc→docx

Génère des documents Word à partir de Markdown chinois (ou anglais traduit) stylés selon le manuscrit de référence d'un groupe de recherche : conversion pandoc + post-traitement Python zipfile qui lit et écrit directement le XML du docx.

Six règles d'or (à mémoriser en premier)

1. \tag{n} est silencieusement ignoré par pandoc : avant la génération, remplacez \tag{…} par \qquad\text{(n)} pour que le numéro soit placé à l'extrémité droite de l'équation ; la source Markdown conserve l'orthographe standard \tag intacte.
2. Désactiver les figures implicites : -f markdown-implicit_figures, le texte alternatif de l'image reste vide — sinon pandoc génère automatiquement une légende en double à partir du texte alternatif.
3. La syntaxe de backreference fait des ravages entre les langues : Python re.sub utilise \1/\g<1> ; PowerShell/JS utilisent $1. Adopter la mauvaise habitude produit le littéral ($1).
4. Les polices d'équations sont un champ de mines : les exécutions mathématiques OMML dépendent de w:ascii="Cambria Math" ; toute substitution de police à l'échelle du document doit scinder sur <m:oMath>…</m:oMath> et ne toucher que l'extérieur, en vérifiant que le nombre de Cambria Math reste inchangé.
5. Vérifier avant d'écraser : copie temporaire → vérification (comptages de fonctionnalités + validité XML via minidom.parseString + relecture pandoc) → os.replace ; deux vrais bugs ont été détectés exactement par cette barrière.
6. Éditer la feuille de style plutôt que le corps XML : pandoc hérite des styles et de sectPr de --reference-doc ; le manuel de dissection du document de référence se trouve dans les références §3.5.

Plan du contenu

Les détails complets (pièges de la couche pandoc, pièges de la couche OOXML/regex, pratiques d'ingénierie, deuxième série de pièges de mise en page des équations et de règles de légendes, scripts réutilisables) se trouvent dans references/word-pandoc-pitfalls.md. La spécification de format extraite elle-même (page/typographie/titres/légendes/équations/tableaux) se trouve dans references/word-format-spec.md.

Scripts réutilisables (fournis dans scripts\)

• _rebuild_word.py : le pipeline complet md→docx (prétraitement \tag, injection de style, post-traitement, vérification avant écriture) ;
• _fix_docx_format.py : corrige trois éléments de formatage sur place sur un docx édité manuellement (TNR, centrage des images, grilles de tableau) ;
• Invocation (à exécuter depuis le répertoire du manuscrit ; les entrées et sorties sont des chemins relatifs) : python <chemin-skill>\scripts\_rebuild_word.py input.md output.docx.

Comment choisir entre eux : l'utilisateur a édité manuellement le fichier Word → correction sur place uniquement (la régénération perd les modifications) ; l'utilisateur souhaite une nouvelle construction à partir du Markdown → pipeline complet. Demandez d'abord, ou vérifiez la présence d'un fichier de verrouillage ~$ pour savoir si le document est ouvert pour édition.

Limites du périmètre

• Commentaires/suivi des modifications Word (le territoire de l'éditeur docx MCP) : hors de cette compétence ;
• La spécification de format du manuscrit elle-même (conventions de page/typographie/titres) : portée par references/word-format-spec.md de cette compétence ;
• Les pièges de quotation PowerShell lors de l'exécution des scripts : voir references/word-pandoc-pitfalls.md §3.4.