Извлечённое содержимое Myasko_Energative.docx
Источник: ../Myasko_Energative.docx (508 944 байт), экспорт чата с ИИ по проекту
аддона «Энергатив» для Minecraft-мода HBM's Nuclear Tech.
Что где
| Путь | Что это |
|---|---|
Myasko_Energative.md |
Основной файл. Markdown со восстановленной структурой: таблицы, ASCII-диаграммы, код, списки, заголовки, ссылки. 3508 строк. |
text.txt |
Плоский дамп: один абзац документа = одна строка, без форматирования. 2153 абзаца, 307 563 символа. Нужен для diff'ов и поиска. |
images/ |
16 изображений, извлечённых без перекодирования (байт-в-байт как в docx). |
images/index.tsv |
Соответствие: порядок в тексте → имя файла → исходное имя в архиве → размер. |
Что было в документе (и как это попало в Markdown)
| В docx | В .md |
|---|---|
| 3 таблицы Word (6×3, 7×5, 9×6) | GFM-таблицы; многоабзацные ячейки склеены через <br> |
| 12 преформатированных блоков | fenced-блоки: 8 ASCII-диаграмм + 4 листинга (json, java) |
813 элементов списков (numbering.xml) |
- / 1., вложенность по w:ilvl |
| 2820 полужирных / 193 курсивных прогона | ** / * |
| 409 абзацев целиком полужирных | ### (или ####, если оканчивается на :) |
31 гиперссылка (сноски [1, 2]) |
[1](url) |
38 формул LaTeX \(...\) |
$...$ |
| 66 реплик пользователя | ## 👤 … + текст запроса цитатой |
| 2 блока веб-источников | цитата > **Источники: N сайтов** |
| 16 картинок |  |
ASCII-диаграммы
Их 8 — это именно то, что в чате выглядело как схемы. Например цикл синтеза
энергативов (Myasko_Energative.md, ~строка 2025) и слоёная структура защитного
костюма (~строка 3443). Внутри fenced-блока отступы сохранены посимвольно,
выравнивание не поехало. Векторных диаграмм (SmartArt, DrawingML charts) в документе нет — в
word/media/ только растр, и все 16 файлов извлечены.
Точность преобразования
Сверка по словам между text.txt и .md: расхождение −969 токенов, которое
раскладывается ровно на осознанно выброшенный служебный мусор экспорта:
| Выброшено | Токенов |
|---|---|
| 34 дублирующих повтора реплики пользователя (экспорт печатает текст запроса дважды подряд) | 947 |
4 × Используйте код с осторожностью. (подпись под листингами) |
16 |
4 метки языка перед листингами (json, java) — стали info-string у ``` |
4 |
2 × Показать все (кнопка под блоком источников) |
4 |
| Добавлено: 2 × слово «Источники» в заголовке блока цитат | −2 |
Итог 971 − 2 = 969. Непреднамеренных потерь текста нет.
Оговорка: экспорт повторяет реплику пользователя только в первой половине документа (34 раза из 66). В остальных случаях текст запроса есть лишь в самой строке-маркере, поэтому конвертер всегда берёт его оттуда — иначе 32 запроса потерялись бы.
Формат text.txt
Позиции картинок помечены встроенным маркером:
[[image: 008 (image8.jpeg)]]
Номер соответствует префиксу файла в images/. Два изображения переиспользуются
в документе несколько раз (image5.png — 3 раза, image14.png — 2 раза), поэтому
маркеров больше, чем файлов.
Содержательные vs. служебные картинки
Из 16 файлов реальный контент несут три (остальное — иконки и favicon'ы блока «источники» из веб-поиска, 260–3700 байт):
008_image8.jpeg— скриншот ракеты Н-1 в натуральную величину, Minecraft 1.18.2015_image15.png— жёлтый круглый предупреждающий знак с тессерактом016_image16.png— тот же знак, красный треугольный вариант
Как воспроизвести
python _tools/extract_docx.py Myasko_Energative.docx extracted
python _tools/docx_to_md.py Myasko_Energative.docx extracted/Myasko_Energative.md --img-dir images