使用xdmp:word-convert()转换DOCX文件报错，求非xdmp:document-filter替代方案

首先明确一点：xdmp:word-convert()确实不支持DOCX格式——它仅针对旧版的二进制OLE格式Word文档（.doc）设计，而DOCX是基于Open XML的压缩包格式，这就是你遇到格式错误的核心原因。

除了你提到的xdmp:document-filter，以下是几个可行的替代API和方案：

1. 使用xdmp:filter()（推荐） #

这是MarkLogic中更通用的文档过滤函数，支持包括DOCX在内的多种格式（PDF、PPTX等都兼容），它会调用内置的过滤引擎将二进制文档转换为结构化XML或纯文本格式，功能覆盖你之前用xdmp:word-convert实现的需求。

示例代码（转换DOCX为带清理规则的XML）：

let $docx-binary := fn:doc("/content/aplc/binary/13599668870066633077.docx")
let $filter-options := 
  <options xmlns="xdmp:filter" xmlns:tidy="xdmp:tidy">
    <output-format>xml</output-format>
    <tidy>true</tidy>
    <tidy:clean>yes</tidy:clean>
    <tidy:drop-empty-paras>yes</tidy:drop-empty-paras>
    <tidy:drop-font-tags>yes</tidy:drop-font-tags>
    <tidy:hide-comments>yes</tidy:hide-comments>
  </options>
return xdmp:filter($docx-binary, $filter-options)

2. 利用Content Processing Framework (CPF) 自动化转换 #

如果需要批量处理文档或构建自动化工作流，MarkLogic的CPF可以配置文档转换管道。你可以创建CPF触发器，当DOCX文档存入数据库时自动触发转换逻辑，将其转换为XML或其他格式并存入指定位置。

CPF的优势在于无需手动调用函数，适合大规模文档处理场景，配置时可直接选择内置的「Document Conversion」步骤来处理DOCX格式。

3. 手动解压DOCX并解析Open XML #

DOCX本质是一个ZIP压缩包，核心内容存储在内部的word/document.xml文件中。你可以用xdmp:unpack()解压DOCX包，然后手动提取和解析内部的XML内容，适合需要高度自定义输出结构的场景。

示例代码：

let $docx-binary := fn:doc("/content/aplc/binary/13599668870066633077.docx")
let $temp-dir := xdmp:temp-directory()
// 解压DOCX到临时目录
let $_ := xdmp:unpack($docx-binary, $temp-dir)
// 提取核心内容XML
let $content-xml := fn:doc(fn:concat($temp-dir, "/word/document.xml"))
return $content-xml

注意：这种方式需要你熟悉Open XML的结构，后续可能需要编写额外逻辑来转换为你需要的最终格式。

内容的提问来源于stack exchange，提问作者user3463568