WARNING: This article may be obsoleteThis post was published in 2025-06-18. Obviously, expired content is less useful to users if it has already pasted its expiration date.
Table of Contents
用途
word实际上自带一个 Reduce File Size 功能，但部分优化参数、优化细节不可控，有的时候还是想要一个能自己可控的优化程序。
作用1：压缩本地docx/pptx文件体积，尤其是那种粘贴了一大堆原图的PPT，顺便，由于🔗 [MacOS Microsoft Word.app编辑大文件时对硬盘并不友好 - Truxton's blog] https://truxton2blog.com/mac-microsoft-word-disk-io/，还能节约不必要的硬盘IO开销。
有的时候如果不想优化全部图片，可以选择性地处理少数几张图片，然后把docx/pptx打包回去继续编辑。
作用2：Google docs限制单个文件大小50M（这条限制可能过时了，我有一个超过100M的Google Docs文件依然能正常编辑），如果一个google docs文件因为大尺寸图片过多的原因超过了50M，可以通过 下载docx-优化docx-重新上传-重新转换为google docs 的方法给文件续命。
online word（也就是office 365 sharepoint）（据文档所说）限制了单个文件大小为100M，如果真的有这个需求（即：docx大小超过了100M，但无法使用/不想使用word桌面版去编辑这个docx文件），也可以通过 下载docx-优化docx-重新上传 的方法给文件续命。
docx/pptx的解压和重新压缩
解压比较随意，命令行unzip, 7za或者随便找个什么keka这样的解压软件就能完成任务。下面主要讨论压缩。
关键步骤：🔗 [macos - re-zipped docx files don't open in Word - Super User] https://superuser.com/questions/411911/re-zipped-docx-files-dont-open-in-word
关键点在于打包的路径，要从一堆word解压文件的根目录（而不是包含了这些文件的上层文件夹）开始打包：
比如：
注意，压缩并制作完成的Archive.zip.docx首次被word打开的时候可能仍然会报错/警告（比如因为zip文件夹里包含了.DS_Store文件），这种错误word是能修复的（修复文件并另存为另一个.docx即可），但如果打包的基本结构有问题（比如没有从根目录开始打包），word是无法修复的。
虽然上面的这个Word found unreadable content警告可以被word修复，但强迫症显然忍不了这一点，一开始我还以为是keka压缩参数的问题，所以改用了/usr/bin/zip命令：
- 用macOS自带的zip命令/usr/bin/zip
- 去掉.DS_Store和__MACOSX文件夹
综合起来就是（在.docx根目录下）：
$ zip -r opt.docx * -x "*.DS_Store" "__MACOSX*"
或者
$ zip -r opt.pptx * -x "*.DS_Store" "__MACOSX*"这样可以规避.DS_Store带来的问题，但后来我发现Word found unreadable content警告仍然有几率出现，只是word都能修复它。最后我发现是word设置的问题，比如：由于种种原因，你的docx文件设置了“嵌入字体”，但实际保存的时候word并没有往docx压缩包里面添加正确的字体文件，而是添加了0字节大小的 font*.odttf . （这种字体策略不一致的问题可能来自不同版本/不同平台的word，或者来自Google Docs/Libreoffice这些非word程序）.
实际上word压缩docx的压缩率仍然比macOS自带的/usr/bin/zip（默认参数）要低，比如你用/usr/bin/zip重新打包以后得到的docx是10M，用word打开然后修改一点点（加个空格什么的）然后再保存它，这个docx可能就变成了12M. 又或者你遇到了上面提到的“0字节大小的font*.odttf“问题（word再次保存的时候又会把>0M的字体文件给它加上），这些繁琐的word设置都可能让你新保存的.docx文件变得更大。但这些都属于无关紧要的问题，因为解压-重新压缩docx的目的是压缩图片（图片文件大小大幅度优化，且重新制作的docx文件没有出现严重错误）。
图片优化的思路（2024草稿）
接下来是jpg/png的优化问题。jpg还好说，全部丢给mozjpeg就可以。png稍微麻烦点，目前是2个思路：
思路1：png就用其他的png优化库（这样可以防止文档中出现的透明png样式被搞乱）
思路2：png也喂给mozjpeg（要确定这个文档里没有透明png的需求），但要同时改变各种xml文档中的字符串（从.png变成.jpg）
暂时实现的是思路2；2025年也实现了思路1.
遗留问题：如果一个docx被反复优化并反复添加新图片，那么留在docx里面的“老图”质量会越来越低。思路：可能要用exif进行标记。
遗留问题：pdf缓存问题：用脚本优化并重新打包docx以后，用word再次打开（优化后的文件）并另存为pdf，仍有可能导出一个巨大的pdf，这可能来自于word.app的缓存问题（内存缓存或者硬盘缓存）。解决方法：待续（重命名？）
遗留问题：png优化（目前没有实现这个功能，而是把所有png变成了jpeg，主要原因还是没有透明png这个刚需，不想去花时间挑选以及测试那些png优化库）
2024-11-22更新：
完全一样的程序还可以作用于.pptx文件！很多时候pptx更需要优化，因为图多
但有些pptx会用到透明png的特性（比如logo展示），所以要注意png的处理是否恰当
图片优化（成品python代码）
2025-06-18，我终于想起了这个项目还没收尾。事实上过去一年我一直在用上面的思路制作的半成品（只能处理jpeg的python程序）来压缩docx/pptx，效果很好。对于极少数透明png，我的做法是在程序压缩完毕以后直接手动把这些透明png添加回去。
现在终于加入了pngquant把程序收尾了。总体要点如下：
- 需要exiftool, mozjpeg, pngquant的二进制运行程序以及PyExifTool.
- pngquant可选。如果文档里没有透明png的需求：所有jpeg/png都会用mozjpeg变成压缩过的jpeg；如果文档里有透明png的需求：jpeg使用mozjpeg压缩成jpeg，png使用pngquant压缩成png（保留png的透明特性）。
- mozjpeg可选压缩比，一般我习惯用85；pngquant暂时没有引入额外参数
- 有的时候mozjpeg/pngquant优化的图片体积反而比原图大，程序需要比较优化前后的大小，必要时回滚
- 如果涉及到图片格式的转换（比如png变jpeg），则需要查找并修改xml文件，可以直接调用 os.system("rg -l0 -F '%s' . | xargs -0 sd -F '%s' '%s' --" % (original_str, original_str, new_str)) 进行批量字符串替换
- 使用exiftool对优化过的图片进行exif标记：优化后的图片会带有 {"Keywords": ["docx_opt"]} ，同时程序会自动跳过带有这种标记的图片（防止一张图片被反复压缩）
（这里原本有一段代码，但现在是2026年了，把上面的需求丢给随便哪个AI应该都能很好的完成，所以就把代码删了）
先解压一个docx/pptx，然后进入解压后的目录（目录下一定有一个 [Content_Types].xml 文件），运行：
# 需要进入[Content_Types].xml的同级目录，然后把docx_opt.py拷贝过来运行
# 优化docx：选择mozjpeg压缩jpeg，选择pngquant压缩png
# 其他用法同理
$ cp /PATH/TO/docx_opt.py ./docx_opt.py
$ python3 docx_opt.py 80 --pngquant （可选jpeg压缩以及调整压缩率）
$ zip -r opt.docx * -x "*.DS_Store" "__MACOSX*" "docx_opt.py"然后用word/powerpoint程序打开 opt.docx 并检查文件是否正常。如果报了小错就修复文件（如之前的内容所示）。把优化后的docx/pptx拷贝出来存着，然后把剩下的那堆垃圾删掉即可。
直接修改xml（其他用途）
在习惯了对docx/pptx进行解压-重新压缩处理以后，很多word内部比较难处理的任务可以直接通过查询/修改xml来解决。
用法举例：把一个docx文档里的Cambria Math字体（word默认的数学公式字体）全部修改为Latin Modern Math字体（LaTeX默认的数学公式字体）：
注意1：正规的方法应该用word内部的replace - advanced replace功能进行替换，但我尝试了几次都替换不干净，干脆直接修改xml去了；
注意2：因为是纯字符串替换，所以下面的命令可能会有误伤
先解压，然后进入表层目录（带有[Content_Types].xml文件的那层目录），执行
$ find . -type f -name "*.xml" -exec sed -i '' 's/Cambria Math/Latin Modern Math/g' {} +然后原地打包docx
