Pandoc Word ke Markdown: Panduan Konversi Garis Komando

Pandoc adalah alat konversi dokumen paling kuat yang tersedia. Ini mengkonversi antara lusinan format, termasuk .docx ke Markdown, dan memberi Anda kontrol yang halus atas output. Panduan ini mencakup semua yang Anda butuhkan untuk menggunakan Pandoc untuk Word ke Markdown konversi.

Apa itu Pandoc?

Pandoc adalah alat baris perintah open-source gratis yang mengkonversi dokumen antara format. Ini mendukung lebih dari 40 format input dan output. Untuk Word ke Markdown konversi, Pandoc adalah standar emas lebih dapat dikonfigurasi daripada alat berbasis browser, termasuk WordToMD.

Kapan menggunakan Pandoc vs. WordToMD:

Menginstal Pandoc

Jendela

Unduh installer dari pandoc.org/penempatan.html, atau gunakan pengelola paket:

# Winget
winget install pandoc

# Chocolatey
choco install pandoc

# Scoop
scoop install pandoc

macOS (dalam bahasa Inggris)

# Homebrew
brew install pandoc

# MacPorts
sudo port install pandoc

Linux

# Ubuntu/Debian
sudo apt-get install pandoc

# Fedora
sudo dnf install pandoc

# Arch
sudo pacman -S pandoc

Verifikasi instalasi:

pandoc --version

Perintah Konversi Dasar

pandoc document.docx -o output.md

Itu saja. Pandoc menyimpulkan format input dari .docx dan format output dari .md.

Versi yang lebih eksplisit:

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

Pilihan Format Output

Pandoc menawarkan beberapa varian Markdown sebagai output:

# 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

GFM dianjurkan untuk sebagian besar kasus penggunaan (GitHub, Obsidian, GitBook, Notion).

Pilihan Konversi yang Berguna

Ekstrak File Media

Gambar yang tertanam di .docx diekstrak ke direktori:

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

Ini menyimpan gambar ke ./media/ dan menambahkan referensi gambar Markdown ke output.

Garis-garis pembungkus

Pengeboran jalur kontrol pada output:

# 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 disarankan untuk Markdown yang akan dikontrol versi menghasilkan diff Git yang lebih bersih.

Daftar Isi

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

Dokumen mandiri dengan metadata

pandoc document.docx -s -o output.md

Pengelolaan -s (standalone) flag menghasilkan frontmatter YAML dari metadata dokumen.

Konversi Batch

Konversi semua file .docx dalam direktori:

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

Untuk lebih banyak opsi konversi batch, lihat Batch Convert Word ke Markdown.

Mengkonfigurasi Output dengan Lua Filter

Pandoc mendukung filter Lua yang mengubah dokumen AST selama konversi:

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

Contoh filter Lua untuk menambahkan blok frontmatter kustom:

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

Ini adalah jenis kustomisasi yang alat browser tidak dapat cocok.

Membandingkan Pandoc dan mammoth.js Output

WordToMD menggunakan mammoth.js di bawah kap. Pandoc menggunakan parser sendiri. Perbedaan utama:

Untuk dokumen yang kompleks, Pandoc memberikan output yang lebih lengkap. Untuk dokumen sederhana, WordToMD lebih cepat dengan setup nol.

Pandoc File Default

Untuk konversi berulang dengan pengaturan yang sama, buat file default:

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

Lalu berlari:

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

Menggunakan Pandoc dalam CI/CD

Untuk pipa otomatis (GitHub Aksi, dll.):

# .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

Pandoc output \ garis lanjutan di Markdown saya. Bagaimana aku bisa menghapusnya? Tambahkan --wrap=none untuk menonaktifkan hard line wrapping.

Tabel saya terlihat berantakan dalam output Pandoc. Cobalah. -t gfm untuk GFM tabel sintaksis alih-alih default Pandoc Markdown tabel.

Gambar tidak muncul di output. Tambahkan --extract-media=./images untuk mengekstrak gambar tertanam. Kemudian referensi mereka dengan benar di lingkungan target Anda.

Pandoc mengkonversi smart quotes ke " karakter bagaimana saya menyimpannya? Tambahkan --no-highlight atau memodifikasi templat. Untuk kutipan cerdas secara khusus, mereka harus dipertahankan secara default dalam sebagian besar format output.

Bagaimana Pandoc dan WordToMD dibandingkan untuk DOCX ke Markdown? Keduanya bekerja dengan baik untuk dokumen standar. WordToMD membutuhkan setup nol dan menghasilkan output GFM yang bersih. Pandoc membutuhkan instalasi tetapi menangani dokumen yang kompleks (gambar, matematika, komentar, catatan kaki) lebih lengkap.

Kesimpulan

Pandoc adalah alat yang paling mampu untuk Word ke Markdown Konversi, terutama untuk pemrosesan batch, format output khusus, dan pipa CI/CD. Untuk konversi cepat, sekali tanpa instalasi, WordToMD mendapatkan pekerjaan dilakukan secara instan. Kedua alat ini saling melengkapi dengan baik.