word-standards

Geração de Documentos Word — a pipeline md→pandoc→docx

Gere documentos Word a partir de Markdown em chinês (ou inglês traduzido) estilizados conforme o manuscrito de referência de um grupo de pesquisa: conversão via pandoc + pós-processamento Python zipfile que lê e escreve o XML do docx diretamente.

Seis regras de ferro (memorize primeiro)

1. \tag{n} é removido silenciosamente pelo pandoc: antes de gerar, substitua \tag{…} por \qquad\text{(n)} para que o número fique no final direito da equação; a fonte md mantém a grafia padrão \tag intacta.
2. Desative figuras implícitas: -f markdown-implicit_figures, texto alternativo da imagem vazio — caso contrário, o pandoc gera automaticamente uma legenda duplicada a partir do texto alternativo.
3. A sintaxe de backreference varia entre linguagens: Python re.sub usa \1/\g<1>; PowerShell/JS usam $1. Levar o hábito errado gera a string literal ($1).
4. Fontes de equações são um campo minado: as execuções de matemática OMML dependem de w:ascii="Cambria Math"; qualquer substituição de fonte no documento inteiro deve dividir em <m:oMath>…</m:oMath> e tocar apenas o exterior, verificando se a contagem de Cambria Math não foi alterada.
5. Verifique antes de sobrescrever: cópia temporária → verifique (contagens de características + boa formação XML via minidom.parseString + leitura de volta pelo pandoc) → os.replace; dois bugs reais foram pegos exatamente por essa barreira.
6. Editar a folha de estilos é melhor que editar o XML do corpo: o pandoc herda estilos e sectPr de --reference-doc; o manual de dissecação do documento de referência está em referências §3.5.

Mapa de conteúdo

Detalhes completos (armadilhas da camada pandoc, armadilhas da camada OOXML/regex, práticas de engenharia, a segunda rodada de armadilhas de layout de equações e regras de legendas, scripts reutilizáveis) estão em referências/word-pandoc-pitfalls.md. A especificação de formato extraída (página/tipografia/títulos/legendas/equações/tabelas) está em referências/word-format-spec.md.

Scripts reutilizáveis (incluídos em scripts\)

• _rebuild_word.py: a pipeline completa md→docx (pré-processamento \tag, injeção de estilo, pós-processamento, verificar antes de escrever);
• _fix_docx_format.py: corrige três itens de formatação no lugar em um docx editado manualmente (TNR, centralização de imagem, linhas de grade de tabela);
• Invocação (execute a partir do diretório do manuscrito; entradas e saídas são caminhos relativos): python <caminho-da-habilidade>\scripts\_rebuild_word.py input.md output.docx.

Escolhendo entre eles: o usuário editou manualmente o arquivo Word → correção no local apenas (regeneração perde edições); o usuário deseja uma nova compilação a partir do md → pipeline completa. Pergunte primeiro, ou verifique se há um arquivo de bloqueio ~$ para saber se o documento está aberto para edição.

Limites de escopo

• Comentários/controle de alterações do Word (território do MCP editor de docx): não é desta habilidade;
• A especificação de formato do manuscrito (página/tipografia/convenções de títulos): transportada por referências/word-format-spec.md desta habilidade;
• Armadilhas de citação no PowerShell ao executar os scripts: veja referências/word-pandoc-pitfalls.md §3.4.