截图转 Word 排版 wjx-ai/dsh-docx-from-images

dsh-docx-from-images

把截图 / 扫描件里的试卷、讲义重新排成 排版一致的 Word 文档 —— 这是 DeepSeek Harness 的一个 Host 插件（bundle），提供两个工具和一份技能（skill），并把 OOXML 排版里最容易踩的几个坑全部内置规避。

Screenshot → Word typesetting plugin for DeepSeek Harness. Two tools (docx_typeset, docx_crop) and one skill (image-to-docx).

示例

提供的能力

| 名称 | 类型 | 作用 |
| docx_typeset | Tool | 按 JSON spec 生成 .docx：着重号、制表位列（2/4 栏选项）、色带标题、表格、插图、显式分页；生成前会估算列宽并返回 warning |
| docx_crop | Tool | 从截图/拍照件里裁插图：像素框裁剪、去白边、放大、网格预览；纸底美白（white_point）、可调墨迹阈值（trim_threshold）、多联图拼合（compose + panels） |
| image-to-docx | Skill | 端到端流程：探图 → 逐图转写 → 标格式 → 写 spec → 生成 → 目视验收 → 交付话术 |

安装

需要本机有 Python 3 + python-docx + Pillow。插件会依次尝试： $DSH_PYTHON → $DSH_HOME/dsh-runtimes/*/dependencies/python → $HOME/.dsh/... → PATH 上的 python。

把仓库放到任意目录，然后在 Harness 里用 plugin_manager 安装这个目录
plugin_manager({ action: "install_bundle", target: "<本仓库绝对路径>" })

装好后：

- 工具出现在 Agent 的工具列表里（docx_typeset / docx_crop）；
- 技能目录里多出 image-to-docx，用户说“把这几张截图排成 Word”时会自动加载；
- 插件面板里的标题与图标来自 locale/zh.json、locale/en.json 与 icon.svg。

用法

docx_typeset({
spec: {
out: "D:/out/试卷.docx",
page: { margin_cm: { top: 2.2, bottom: 2.2, left: 2.2, right: 2.2 } },
body: { font: "宋体", latin: "Times New Roman", size_pt: 12, line_pt: 20 },
blocks: [
{ type: "text", text: "1.\t下列加点字读音全部正确的一项是{b}（　）{/b}", tabs_cm: [0.78], before_pt: 7 }, { type: "text", text: "A.\t屹{d}立{/d}（yì）\t霎{d}时{/d}（shà）", tabs_cm: [6.05, 9.4], indent_cm: 1.1 } ] } })

块类型：title / text / table / image / pagebreak。
文本标记：{d}着重号{/d}、{b}加粗{/b}、{i}斜体{/i}、{u}下划线{/u}；\t 开一个新列。
完整示例见 examples/spec.json。

混排与页脚

一份卷子里常常“题干宋体、材料楷体、标题微软雅黑”，所以每个 text / title 块都能单独指定字体：

{ "type": "text", "text": "①夜深了，人们睡了……", "font": "楷体", "first_line_cm": 1.06 }

页脚用 {page} / {pages} 占位，写入的是真正的 PAGE / NUMPAGES 域（合并多张图后页数自动正确）：

"footer": { "text": "第 {page} 页 共 {pages} 页", "size_pt": 9, "align": "center" }

body.dot_min_line_pt（默认 24）控制带着重号的行至少多高；字号偏小时（≤13pt）调到 21–22 既能保住点，又不会把版面撑到多出一页。

内置规避的坑

| 坑 | 现象 | 本插件的做法 |
| 着重号画在字上 | w:em val="dot" 把点画在字顶 | 强制 val="underDot"；也不拿“下划线”冒充 |
| 着重号被裁一半 | 行距“固定值”时字下方的点被切掉 | 含 {d} 的行自动升到 body.dot_min_line_pt（默认 24pt） |
| 字号拍脑袋 | 定大一号就每题多折一行，9 页排成 13 页 | 从截图反推单字宽（行宽 ÷ 字数），再以“分页是否与原图一致”验收 |
| 材料与题干同字体 | 楷体引文排成宋体一眼假 | 段落级 font / latin 覆盖 body |
| 页脚写死页数 | “共 27 页”在合并稿里全错 | footer 里的 {page} / {pages} 写成域代码 |
| 页边一排 ■ | 段落设了“与下段同页/段前分页/段中不分页” | 一律不写 keepNext/keepLines/pageBreakBefore；改在上一段末尾插分页符 |
| 表格后排不掉页 | 分页符落在表格前的段落上 | 表格后分页用 1pt 载体段承载 |
| 选项整行右移 | 行内标签 A.\t 只替换了第一个制表符 | 开头的 A.\t 自动归一成 A. |
| 制表位叠加缩进 | 以为 tabs_cm 从首行缩进算起 | 制表位从页面左边距量起，并估算列宽给出溢出 warning |
| 插图糊 / 占满版心 | 直接塞整页截图 | 先用 docx_crop 裁图（去白边、2x 放大），再按版心比例给 width_cm |
| 拍照件的图带灰底 | 图贴进 Word 是一块灰方块，trim 也裁不掉任何边 | 纸底 ~200 灰、245 阈值看不见它：加 white_point:true + trim_threshold:205（详见下节） |
| 一题多联图被截成一张 | 一排三把尺子只贴出一把 | compose:true + panels:[{box},…]，横向用 align:"bottom" 共底线 |
| 手写混进插图 | 图里出现学生笔迹，与印刷内容黏在一起 | 抬高 trim_threshold 只按重墨收紧边界；或看墨迹逐行分布，把 y1 停在印刷内容结束处 |
| 表格手工空格对齐 | 列不齐、跨页表头丢失 | Table Grid + 显式列宽 + 表头跨页重复 |

拍照件的插图（white_point / compose）

截图是纯白底，拍照不是：手机拍的卷面纸底约 200 灰，于是默认 245 的 trim 阈值一个像素也裁不掉，图会带着整块灰底贴进 Word。三个参数解决：

{
"src": "page3.jpg",
"out": "fig_wu.png",
"compose": true,
"panels": [
{ "box": [100, 560, 562, 756] },
{ "box": [640, 556, 1270, 758] }
],
"white_point": true,
"trim": true,
"scale": 2,
"align": "bottom",
"gap": 48
}

- white_point：纸底映射成纯白。true 按直方图自动取（85 分位数再降一点），或显式给数值配 black_point（如 195 / 60）。设了它就自动转 8-bit 灰度——黑墨线稿更清爽，体积更小。
- trim_threshold：低于此值算墨迹。不设 white_point 时默认 245（老行为），设了则默认 205。想躲开淡淡的铅笔痕就把它调低。
- compose + panels：一个 image 块只能放一张图，而一道题常常是“一排三把尺子”或“左右两幅商品图”，所以在这里拼成一张。align:"bottom" 让共底线的联图不错位（横向），"top"/"center"/"left"/"right" 同理；direction:"vertical" 可改成竖排。

输出的 JSON 里带 ink_box（成品墨迹范围），四个角落应当是 255，可以用来判断美白是否真的生效。

验证（可选，需要装有 Word）

$w = New-Object -ComObject Word.Application; $w.Visible = $false
$d = $w.Documents.Open($docx, $false, $true)
$d.ExportAsFixedFormat($pdf, 17); $d.Close(0); $w.Quit()

再用 Windows.Data.Pdf 逐页 RenderToStreamAsync（DestinationWidth = 1240）出 PNG 目视比对。
注意 PowerShell 5.1 会把 .ps1 当 ANSI 读，脚本内容与路径保持纯 ASCII，中文路径用参数传。

目录结构

index.js 插件入口：注册 docx_typeset / docx_crop / image-to-docx builder.py JSON spec -> .docx（python-docx） crop.py 截取插图 / 纸底美白 / 多联图拼合 / 网格预览 / 尺寸探测（Pillow） cordis.patch.yml bundle 安装行
locale/{zh,en}.json 插件面板的标题与描述
icon.svg 插件图标 examples/ 可直接运行的示例 spec 与插图

License

MIT © wjx-ai