Pandoc Word a Markdown: Guía de conversión de línea de comandos

Pandoc es la herramienta de conversión de documentos más poderosa disponible. Convierte entre docenas de formatos, incluyendo .docx a Markdown, y le da un control detallado sobre la salida. Esta guía cubre todo lo que necesita para usar Pandoc para Word a Markdown conversión.

¿Qué es Pandoc?

Pandoc es una herramienta de línea de comandos gratuita y de código abierto que convierte documentos entre formatos. Soporta más de 40 formatos de entrada y salida. Para Word a Markdown conversión, Pandoc es el estándar de oro más configurable que cualquier herramienta basada en navegador, incluyendo WordToMD.

Cuándo usar Pandoc vs. Es el caso de los Estados miembros.

La instalación de Pandoc

Las ventanas

Descargar el instalador desde pandoc.org/instalación.html, o utilice un administrador de paquetes:

# Winget
winget install pandoc

# Chocolatey
choco install pandoc

# Scoop
scoop install pandoc

macOS y su sistema operativo

# Homebrew
brew install pandoc

# MacPorts
sudo port install pandoc

Linux y otras aplicaciones

# Ubuntu/Debian
sudo apt-get install pandoc

# Fedora
sudo dnf install pandoc

# Arch
sudo pacman -S pandoc

Verificar la instalación:

pandoc --version

Comando de conversión básico

pandoc document.docx -o output.md

Eso es todo. Pandoc deduce el formato de entrada de .docx y el formato de salida de .md.

Versión más explícita:

pandoc -f docx -t markdown document.docx -o output.md

Opciones de formato de salida

Pandoc ofrece varias variantes Markdown como salida:

# GitHub Flavored Markdown (GFM)
pandoc document.docx -t gfm -o output.md

# CommonMark
pandoc document.docx -t commonmark -o output.md

# Pandoc's extended Markdown (most features)
pandoc document.docx -t markdown -o output.md

# Standard Markdown (basic)
pandoc document.docx -t markdown_strict -o output.md

Se recomienda GFM para la mayoría de los casos de uso (GitHub, Obsidian, GitBook, Notion).

Opciones de conversión útiles

Extracción de archivos multimedia

Las imágenes incrustadas en .docx se extraen a un directorio:

pandoc document.docx --extract-media=./media -o output.md

Esto guarda las imágenes a ./media/ y añade referencias de imagen Markdown a la salida.

Líneas de envoltura

Envuelta de la línea de control en la salida:

# No wrapping (one paragraph = one line)
pandoc document.docx --wrap=none -o output.md

# Wrap at 80 characters
pandoc document.docx --wrap=auto --columns=80 -o output.md

--wrap=none se recomienda para Markdown que será controlado por versiones produce diferencias Git más limpias.

Cuadro de contenido

pandoc document.docx --toc -o output.md

Documento independiente con metadatos

pandoc document.docx -s -o output.md

El -s La bandera (independiente) genera el material frontal de YAML a partir de los metadatos del documento.

Conversión por lotes

Convertir todos los archivos .docx en un directorio:

El uso de Windows PowerShell

Get-ChildItem -Filter "*.docx" | ForEach-Object {
    $output = [System.IO.Path]::ChangeExtension($_.Name, ".md")
    pandoc $_.FullName -t gfm --wrap=none -o $output
    Write-Host "Converted: $($_.Name) → $output"
}

Bash (macOS/Linux)

for file in *.docx; do
    output="${file%.docx}.md"
    pandoc "$file" -t gfm --wrap=none -o "$output"
    echo "Converted: $file → $output"
done

Para más opciones de conversión por lotes, véase Conversión por lotes de Word a Markdown.

Personalización de la salida con los filtros Lua

Pandoc admite los filtros Lua que transforman el documento AST durante la conversión:

pandoc document.docx --lua-filter=my-filter.lua -o output.md

Ejemplo de filtro Lua para agregar un bloque de contenido personalizado:

-- add-frontmatter.lua
function Meta(meta)
  meta.draft = false
  meta.author = "WordToMD Team"
  return meta
end

Este es el tipo de personalización que las herramientas del navegador no pueden igualar.

Comparación de Pandoc y mamut.js Producción

WordToMD usa mamut.js debajo del capó. Pandoc utiliza su propio analizador. Principales diferencias:

Para documentos complejos, Pandoc da una salida más completa. Para documentos simples, WordToMD es más rápido con configuración cero.

Pandoc Archivos por defecto

Para las conversiones repetidas con las mismas configuraciones, cree un archivo predeterminado:

# my-defaults.yaml
from: docx
to: gfm
wrap: none
extract-media: ./media
standalone: true

Entonces corre:

pandoc document.docx -d my-defaults.yaml -o output.md

El uso de Pandoc en CI/CD

Para las tuberías automatizadas (GitHub Acciones, etc.):

# .github/workflows/convert-docs.yml
- name: Install Pandoc
  run: sudo apt-get install pandoc

- name: Convert Word docs to Markdown
  run: |
    for f in docs/*.docx; do
      pandoc "$f" -t gfm --wrap=none -o "${f%.docx}.md"
    done

FAQ

Salidas de Pandoc \ Continuas de línea en mi Markdown. ¿Cómo los quito? Añadir --wrap=none para desactivar el envoltorio de la línea dura.

Mis tablas parecen distorsionadas en la salida de Pandoc. Lo intentaré . -t gfm para la sintaxis de la tabla GFM en lugar de las tablas Pandoc Markdown predeterminadas.

Las imágenes no aparecen en la salida. Añadir --extract-media=./images para extraer imágenes incrustadas. Luego haga referencia a ellos correctamente en su entorno objetivo.

Pandoc convierte las citas inteligentes a " ¿Cómo los guardo? Añadir --no-highlight o modificar la plantilla. Para las cotizaciones inteligentes específicamente, deben preservarse por defecto en la mayoría de los formatos de salida.

¿Cómo se comparan Pandoc y WordToMD para DOCX a Markdown? Ambos funcionan bien para documentos estándar. WordToMD requiere cero configuración y produce una salida GFM limpia. Pandoc requiere instalación pero maneja documentos complejos (imágenes, matemáticas, comentarios, notas a pie de página) de manera más completa.

Conclusión

Pandoc es la herramienta más capaz para Word a Markdown la conversión, especialmente para el procesamiento por lotes, los formatos de salida personalizados y las tuberías CI/CD. Para conversiones rápidas y únicas sin instalación, WordToMD hace el trabajo al instante. Las dos herramientas se complementan bien.