logo标签列表

如何将doc/docx文件转换为Markdown或结构化文本？

ms-officeconvertersmarkdowndoc
116
有没有一个程序或工作流可以将 .doc 或 .docx 文件转换为 Markdown 或类似的文本格式？
注：理想情况下，我希望在 MS Word 文档中指定的字体（例如consolas）被呈现为text-code: ```....```。
2
看起来 pandoc 现在支持直接将 .docx 转换为 .md，包括数学公式。请查看这里的第35个示例。 - akhmed
请访问wordtomarkdown.com。Windows商店里有一个非常有用的应用程序。它比Pandoc功能更强大，包括表格、图片和代码等方面。 - Bruno
1
wordtomarkdown.com在撰写本文时存在勒索病毒。 - MarkD
Pandoc经常被引用，而且是开源的。在维基百科上查看它的页面。 - Roland
12个回答
151
Pandoc支持直接将docx转换为markdown：
pandoc -f docx -t markdown foo.docx -o foo.markdown

支持多种 Markdown 格式：

-t gfm (GitHub-Flavored Markdown)  
-t markdown_mmd (MultiMarkdown)  
-t markdown (pandoc’s extended Markdown)  
-t markdown_strict (original unextended Markdown)  
-t markdown_phpextra (PHP Markdown Extra)  
-t commonmark (CommonMark Markdown)
4
在OS-X El Capitan上测试并且使用Homebrew (brew install pandoc)成功运行。 - tdc
2
Word表格未能正确转换 - 最终只成为了MD中的纯文本。 - WestCoastProjects
6
有办法保存这些图片吗？ - Chris
1
关于从Word文件中保存图像的问题：将Word文档另存为HTML格式。Word会将所有文档中的图像放在一个单独的文件夹中。可以选择保存为JPG或PNG格式... - RBV
23
为了保存图片，请在上述命令中添加选项 --extract-media=./。它会创建一个名为media的文件夹，并将所有图片放入其中，这些图片将正确地显示在Markdown文件中。 - Sergio
显示剩余5条评论
30

docx -> markdown

针对“docx -> markdown”这个问题，可以使用 Microsoft Word 的 Writeage 插件。此插件也支持反向转换，即“markdown -> docx”。

更多选项

  1. 使用转换工具进行多文件转换。
  2. 使用所见即所得编辑器处理单个文件以及更好的字体效果。

哪些转换工具比较好？

我测试过以下三种：(1) Pandoc (2) Mammoth (3) w2m


Pandoc

这是最优秀的转换工具，支持众多文件类型（请查看 Pandoc 的手册以获得支持的文件类型列表）：

pandoc -f docx -t gfm somedoc.docx -o somedoc.md
NB

  • 要将pandoc导出Markdown表格（在pandoc中称为'pipe_tables'），请使用multimarkdown或gfm输出格式。

  • 如果要将格式设置为PDF，则pandoc会使用LaTeX模板，因此您可能需要安装适用于您的操作系统的LaTeX软件包，如果该命令无法直接使用。有关说明，请参见LaTeX安装


哪些所见即所得编辑器？

对于docx，请使用Writeage。


保持优秀的字体

如果您希望保留unicode字符，表情符号并保持优秀的字体，则在文件格式之间使用复制和粘贴操作时，您可以从以下编辑器中获得一些收益。请注意，这些不会原生读取或写入docx。

编程等效

对于编程等效，您可以通过调用不同的pdf-engine及其各自的选项来获得一些结果，但我尚未测试过此方法。 pandoc默认为'pdflatex'。

pandoc --pdf-engine=
pandoc --pdf-engine-opt=STRING

更新：A4纸和美国信纸的区别

对于美国以外的地区，请设置geometry变量：

pandoc -s -V geometry:a4paper -o outfile.pdf infile.md

脚注

值得一提的是，当我们发现Markdown语法时，很不明显的一点是MultiMarkdown是目前功能最丰富的markdown格式。

MultiMarkdown支持元数据、目录、脚注、数学公式、表格和YAML等功能。

但是Github默认使用gfm格式，也支持表格。我在Github/GitLab上使用gfm，在其他地方使用MultiMarkdown。

请查看wordtomarkdown.com。Windows商店中有一个非常有用的应用程序。它比Pandoc做得更多，包括表格、图片和代码等功能。 - Bruno
12

Mammoth 以将 Word 转换为 HTML 的功能而闻名，但现在它还支持一个Markdown 写作器模块。最近我检查时，Mammoth 对 Markdown 的支持仍处于早期阶段，所以您可能会发现某些功能不被支持。通常情况下，请查看网站获取最新信息。

安装

如果想使用 Javascript 版本，请先安装 NodeJS，然后再安装 Mammoth：

npm install -g mammoth

命令行

使用命令行将Word文档转换为Markdown...

mammoth document.docx --output-format=markdown

API

NodeJS API 用于将内容转换为 Markdown 格式...

var mammoth = require("mammoth");
mammoth.convertToMarkdown({path: "path/to/document.docx"});

特点：

Mammoth Markdown Writer目前支持以下功能：

  • 列表（有序和无序）
  • 链接
  • 文字样式，如加粗、斜体
  • 图片

Mammoth命令行工具和API已经被移植到多种语言中：

无Markdown（2016年5月）：

使用Markdown：

mammoth document.docx --output-format=markdown > document.md 这个命令对我来说很有效，因为似乎还没有直接支持这样做的功能。 - pollirrata
注意：Markdown支持已被弃用。https://github.com/mwilliamson/mammoth.js#markdown - Gagik
12
鉴于您在stackoverflow上提出了这个问题，您可能需要一个编程或命令行解决方案，我已经提供了另一个答案。
但是，另一种解决方案可能是使用Microsoft Word的Writage Markdown插件。
Writage将Word转换为Markdown WYSIWYG编辑器，因此您可以像通常在Microsoft Word中编辑任何文档一样打开Markdown文件并进行编辑。同时，还可以将Word文档保存为Markdown文件，无需其他转换器。
在幕后，Writage使用Pandoc，您还需要安装此插件才能使用。
它目前支持以下Markdown元素：
- 标题 - 列表（有序和无序） - 链接 - 字体样式，如粗体、斜体 - 表格 - 脚注
对于许多最终用户来说，这可能是理想的解决方案，因为他们不需要安装或运行任何命令行工具，而只需坚持他们最熟悉的东西即可。
值得注意的是，Writage只支持Windows系统。我已经给作者发了电子邮件询问是否支持OS X系统。 - Dave Everitt
值得注意的是，这是一款付费应用程序（至少在撰写本文时是如此）。 - Jerry
8
您可以使用Word to Markdown（Ruby Gem）一步完成转换。转换可能非常简单，如下所示：
$ gem install word-to-markdown
$ w2m path/to/document.docx

它通过LibreOffice路由文档，但也尽最大努力根据相对字体大小使标题语义化。
还有一个托管版本，只需拖放即可进行转换。
感谢分享托管版本；我喜欢这种方式，而不是在我的电脑上安装二进制文件。 - Ron
托管版本似乎消失了 :-( - Roland
5

Word to Markdown 可以一试，或者可以尝试使用 这里描述的方法，使用 Calibre 和 Pandoc 通过HTMLZ转换，以下是他们使用的bash脚本：

#!/bin/bash
mkdir temp
cp $1 temp
cd temp
ebook-convert $1 output.htmlz
unzip output.htmlz
cd ..
pandoc -f html -t markdown -o output.md temp/index.html
rm -R temp
1
虽然这个链接可能回答了问题，但最好在此处包含答案的基本部分并提供参考链接。如果链接页面更改，仅有链接的答案可能会失效。 - Eduard Luca
@EduardLuca 抱歉，你是想让我真的发布源代码吗？哦，你是指后者，没错，我可以总结一下... - Tobias Kienzler
链接式答案背后的想法是，那些网站的内容可能会发生变化，或者在未来被删除，因此最好在您的答案中包含来自这些网站的任何相关信息，以便即使链接发生变化，也能帮助未来的人们。这些相关信息可以是代码，也可以是您链接到的网站内容的摘要。 - Eduard Luca
@EduardLuca 我知道这一点（实际上我自己也标记/踩过许多仅有链接的答案），不过我希望链接到工具能够提供足够的起点。实际上并没有传达更多的信息... - Tobias Kienzler
1
我认为你发布的代码非常有帮助。我参考了http://networkcultures.org/digitalpublishing/2013/08/30/docx-to-markdown-using-calibre-and-pandoc/，其中包含了详细的说明，但是你发布的简化版Bash也很好。 - Eduard Luca
3

来源于这里：

unoconv -f html test.docx
pandoc -f html -t markdown -o test.md test.html
3
您可以使用此Visual Basic脚本在MS Word中将Word文档转换为Markdown：

https://gist.github.com/hawkrives/2305254

按照“使用代码”下的说明，在Word中创建一个新的宏。
注意：这会将当前打开的Word文档转换为Markdown格式，从而去除所有的Word格式（标题、列表等）。在运行宏之前，请先保存您计划转换的Word文档，然后再将该文档另存为一个新文档。这样，您就可以随时返回到原始的Word文档进行修改。
这里还有更多将Word转换为Markdown的VB脚本示例：

https://www.mediawiki.org/wiki/Microsoft_Word_Macros

1
这里有一个用Ruby构建的开源Web应用程序，可以完成这个任务：https://word2md.com。
0
网页内容由stack overflow 提供, 点击上面的
可以查看英文原文，
原文链接