AlphaMoatによると、2026-09時点でDOCX Toolkitのダウンロード数は2,944、スター数は0で、AIスキル全体5,078件中3,770位、オフィス効率化では435件中278位です。

インストール数

179

ダウンロード数

2944

スター数

総合順位

#3,770

全体の上位 75% · オフィス効率化の上位 64%

プラットフォーム	インストール数	ダウンロード数	スター数	コメント
ClawHub ↗	36	1329	-	-
SkillHub ↗	179	2944	-	—

プラットフォームごとに集計方法と集計時点が異なります。

このスキルでできること

文書では、DOCXと旧形式のDOCを扱い、段落、表、埋め込み画像を構造を保って出力します。抽出結果には原文の機微情報が含まれる可能性があるため、入力と出力を制限された場所に保存し、依存関係は隔離環境で管理してください。

資料公開日 2026-10-27

できること

文書の本文と表を抽出する
埋め込み画像を確認用に取り出す
抽出テキストを後続分析用に整理する

使う場面

Word文書の内容を分析または移行するとき
文書を処理する権限があり、抽出物を保護できるとき

プロンプト例

スキルのドキュメントをもとに生成した例であり、実際の実行結果ではありません。

許可されたこの文書からテキスト、表、画像を抽出し、出力の保存先を示してください。

月次の推移

ダウンロード数2944

スター数-

2026-09 から集計方法を変更し、同名スキルを作者ごとに分けて集計し、全スキルを対象にしました。破線は変更前の月で、変更後のデータとは直接比較せず、変更をまたぐ増減も計算していません。

月	ダウンロード数	前月比	スター数
2026-09	2944	—	-
2026-08	2293	+8.1%	-
2026-07	2121	+14.0%	-
2026-06	1860	+11.6%	-
2026-05	1666	—	-
2026-03	669	—	-

SKILL.md 原文

作者が公開した元のファイルをテキストのまま表示しています。AlphaMoat による編集や審査はしていません。リンクはクリックできません。コマンドは内容を確認してから実行してください。取得日 2026-10-23。

2.3 KB・ClawHub v1.0.0

---
name: docx-toolkit
description: Extract text, tables, and images from .docx and legacy .doc files. Handles large documents, CJK text, and complex table structures. Includes deduplication and filtering for extracted images.
author: zacjiang
version: 1.0.0
tags: docx, doc, word, extract, text, tables, images, document, office, CJK, chinese
---

# DOCX Toolkit

すべて表示(全 68 行)

A complete toolkit for processing Microsoft Word documents (.docx and legacy .doc formats).

## Capabilities

### 1. Text + Table Extraction (.docx)
```bash
python3 {baseDir}/scripts/extract_text.py input.docx output.txt
```
Extracts all paragraphs and tables with structure preserved. Tables are formatted as pipe-delimited rows for easy parsing.

### 2. Text Extraction (Legacy .doc)
```bash
python3 {baseDir}/scripts/extract_doc_text.py input.doc output.txt
```
Handles legacy OLE2 .doc format using olefile. Extracts Unicode text from the WordDocument stream.

### 3. Image Extraction (.docx)
```bash
python3 {baseDir}/scripts/extract_images.py input.docx output_dir/
```
Extracts all embedded images with:
- Automatic deduplication (MD5 hash comparison)
- Size filtering (skips tiny icons <5KB by default)
- Sequential renaming (img_001.png, img_002.jpg, etc.)

### 4. Image Compression
```bash
python3 {baseDir}/scripts/resize_images.py input_dir/ output_dir/ [--max-width 1024]
```
Batch resize/compress images for API processing (saves 50-70% on vision API costs).

## Dependencies

- Python 3.6+
- `python-docx` — for .docx processing
- `olefile` — for legacy .doc processing  
- `Pillow` — for image resizing (optional, only needed for resize script)

Install:
```bash
pip3 install python-docx olefile Pillow
```

## Use Cases

- **Document analysis**: Extract text for AI review/summarization
- **Migration**: Pull content from Word docs into other formats
- **Image audit**: Extract and review all embedded images
- **Cost optimization**: Compress images before sending to vision APIs
- **Batch processing**: Process multiple documents in a pipeline

## Notes

- Large .doc files (>200MB) may require significant RAM for olefile processing
- Image extraction preserves original format (png/jpg/gif/etc.)
- Deduplication catches exact duplicates; near-duplicates still pass through
- CJK (Chinese/Japanese/Korean) text is fully supported in both extractors