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

OpenXML-formatet håndterer Microsoft Office Open XML-dokumenter: Word (.docx), Excel (.xlsx) og PowerPoint (.pptx). Alle tre deler en ZIP-og-XML-pakke, så ett filter betjener dem alle og oppdager varianten automatisk fra pakkeinnholdet, i henhold til ECMA-376 / ISO/IEC 29500.

Uttrekk er selektivt: som standard trekker leseren ut hovedteksten og delene som vanligvis er synlige for brukeren (dokumentegenskaper, topp- og bunntekst, fotnoter, kommentarer og hyperkoblingstekst i Word; delte strenger i Excel; og foredragsholdernotater i PowerPoint), mens skjult, strukturelt eller sjelden oversatt innhold utelates med mindre du velger det inn. Et sett med stil- og fargefiltre lar deg inkludere eller ekskludere kjøringer etter avsnitts-/tegnstil eller uthevingsfarge. Dette speiler Okapis OpenXML-filter, inkludert standardoppførselen med å godta sporede endringer før uttrekk.

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: alt-tekst for bilder/figurer (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 skjules i et 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

Oversett alt i et Word-dokument

Inkluder kommentarer, skjult tekst og lysbildemaler som er av som standard.

translateHiddenText: true
translateComments: true

Begrens en Excel-arbeidsbok til valgte ark

Hopp over data- og oppslagsark under uttrekk.

excludedSheets:
  - Data
  - Lookups

Trekk ut kun spesifikke PowerPoint-lysbilder

Oversett lysbildene 1, 2 og 5, og hopp over resten.

includedSlides:
  - 1
  - 2
  - 5

Processing notes

Dokumentvarianten (Word / Excel / PowerPoint) oppdages automatisk fra pakkeinnholdet.
Skriveren er trofast som standard og bevarer kildeegenskaper for kjøringer inline i stedet for å skrive dem om til syntetiserte stiler.

Limitations

Én filter dekker Word, Excel og PowerPoint; noen alternativer gjelder bare for den relevante varianten (for eksempel påvirker lysbildealternativene kun PowerPoint).

Reference documentation

← Back to the Format Reference