OpenXML (Office) format (.docx, .docm, .dotx, .dotm, .xlsx, .xlsm, .xltx, .xltm, .pptx, .pptm, .ppsx, .potx)

The OpenXML format handles Microsoft Office Open XML documents: Word (.docx), Excel (.xlsx), and PowerPoint (.pptx). All three share a ZIP-and-XML package, so one filter serves them and auto-detects the variant from the package contents, per ECMA-376 / ISO/IEC 29500.

Extraction is selective: by default the reader pulls the main body text plus the parts that are normally user-visible (document properties, headers and footers, footnotes, comments, and hyperlink text in Word; shared strings in Excel; and speaker notes in PowerPoint) while leaving hidden, structural, or rarely translated content out unless you opt in. A set of style and colour filters lets you include or exclude runs by paragraph/character style or highlight colour. This mirrors Okapi's OpenXML filter, including its default of accepting tracked changes before extraction.

IDopenxml

SourceBuilt-in

Extensions.docx, .docm, .dotx, .dotm, .xlsx, .xlsm, .xltx, .xltm, .pptx, .pptm, .ppsx, .potx

MIME Typesapplication/vnd.openxmlformats-officedocument.wordprocessingml.document, application/vnd.openxmlformats-officedocument.presentationml.presentation, application/vnd.openxmlformats-officedocument.spreadsheetml.sheet

CapabilitiesRead + Write

Parameters

Parameter	Type	Default	Description
`aggressiveCleanup`	boolean	true	Fjern revisjons-ID-er, korrekturleserfeil og annet støy før sammenslåing av kjøringer.
`automaticallyAcceptRevisions`	boolean	true	Aksepter automatisk sporede endringer før uttrekking. Når sann (standard, tilsvarer Okapi), beholdes innsatte kjøringer og slettede kjøringer fjernes; rader merket med <w:trPr><w:del/> (ECMA-376 §17.13.5.13) fjernes helt; rader merket med <w:trPr><w:ins/> (§17.13.5.16) beholdes.
`codeFinderRules`	array		Regex-mønstre som samsvarer med innebygde koder i oversettbar tekst.
`complexFieldDefinitionsToExtract`	array		Feltinstruksprefikser som skal trekkes ut (f.eks. «HYPERLINK», «REF»).
`excludeColors`	array		Skriftfarger som skal utelates (hex RGB, f.eks. "FF0000" for rød).
`excludedColumns`	array		Kolonnebokstaver som skal utelates (f.eks. «A», «C», «AA»).
`excludedSheets`	array		Arknavn som skal utelates fra uttrekk.
`excludeHighlightColors`	array		Uthevingsfarger som skal ekskluderes (f.eks. «yellow», «red»).
`excludeStyles`	array		Avsnitt-/tegnstilnavn som skal utelates.
`extractNonTranslatableContent`	boolean	true	Hvis sann (standard), vises ikke-oversettbart kontekstuelt innhold — bilde-/form-alt-tekst (descr/title på docPr/cNvPr) som innholdsblokker (synlig for inntak/LLM-konsumenter, hoppes over av maskinoversettelse), og PowerPoint/Excel-kommentartekst som datadeler — i stedet for å bli skjult i ugjennomsiktig skjelett. Deaktiver for å holde det ugjennomsiktig.
`extractRunFontsInfo`	boolean	false	Emit skriftmetadata som merknader på blokker.
`fontMappings`	object		Tilordning av fontnavn til skriptgruppe (f.eks. "MS Gothic": "ja").
`ignoreSoftHyphenTag`	boolean	false	Ignorer myke bindestrek-tagger i dokumentet.
`includedSlides`	array		Hvis ikke-tom, hent bare disse lysbilde-numrene (1-basert).
`includeHighlightColors`	array		Hvis ikke tom, trekk bare ut tekst med disse uthevingsfargene.
`includeStyles`	array		Hvis ikke tom, hentes kun tekst med disse stilene.
`lineSeparatorReplacement`	string		Erstatningsstreng for linjeskillertegn.
`replaceLineSeparator`	boolean	false	Erstatt Unicode-linjeskiller (U+2028) i utdata.
`replaceNoBreakHyphenTag`	boolean	false	Erstatt ikke-brytende bindestrek-tagger med det ikke-brytende bindestrek-tegnet.
`tabAsCharacter`	boolean	false	Behandle tabulatorelementer som tabulatortegn i stedet for plassholderspenn.
`translateCharts`	boolean	false	Trekk ut strenger fra innebygde diagrammer.
`translateComments`	boolean	false	Trekk ut kommentartekst fra Word-dokumenter.
`translateDiagrams`	boolean	false	Trekk ut tekst fra SmartArt-diagrammer.
`translateDocProperties`	boolean	true	Hent ut tittel, emne og nøkkelord fra dokumentegenskaper.
`translateFootnotes`	boolean	true	Hent ut fotnoter og sluttnoter fra Word-dokumenter.
`translateHeadersFooters`	boolean	true	Trekk ut tekst fra topp- og bunntekster i Word-dokumenter.
`translateHiddenSlides`	boolean	false	Hent innhold fra skjulte lysbilder i PowerPoint.
`translateHiddenText`	boolean	false	Trekk ut tekst med vanish-egenskapen (skjult) i Word-dokumenter.
`translateHyperlinks`	boolean	true	Hent ut hyperkoblingtekst for oversettelse.
`translateSharedStrings`	boolean	true	Hent ut delte strenger fra Excel-arbeidsbøker.
`translateSheetNames`	boolean	false	Hent ut arknavn i Excel-arbeidsbøker.
`translateSlideMasters`	boolean	false	Trekk ut tekst fra lysbildemaler i PowerPoint.
`translateSlideNotes`	boolean	true	Hent ut foredragsholdernotater i PowerPoint-presentasjoner.
`useCodeFinder`	boolean	false	Aktiver mønsterbasert deteksjon av innebygde koder (plassholdere, tagger osv.).

Configure it live

Configuration

Loading form…

Examples

Translate everything in a Word document

Include comments, hidden text, and slide masters that are off by default.

translateHiddenText: true
translateComments: true

Limit an Excel workbook to selected sheets

Skip data and lookup sheets during extraction.

excludedSheets:
  - Data
  - Lookups

Extract only specific PowerPoint slides

Translate slides 1, 2, and 5 and skip the rest.

includedSlides:
  - 1
  - 2
  - 5

Processing notes

The document variant (Word / Excel / PowerPoint) is auto-detected from the package contents.
The writer is faithful by default, preserving source run properties inline rather than rewriting them into synthesised styles.

Limitations

One filter covers Word, Excel, and PowerPoint; some options apply only to the relevant variant (for example, the slide options affect PowerPoint only).

Reference documentation

← Back to the Format Reference