Pandoc Word đến Markdown: Hướng dẫn chuyển đổi dòng lệnh

Pandoc là công cụ chuyển đổi tài liệu mạnh nhất hiện có. Nó chuyển đổi giữa hàng chục định dạng, bao gồm .docx sang Markdown, và cung cấp cho bạn kiểm soát tinh tế trên đầu ra. Hướng dẫn này bao gồm tất cả mọi thứ bạn cần để sử dụng Pandoc cho Word đến Markdown chuyển đổi.

Pandoc là gì?

Pandoc là một công cụ dòng lệnh nguồn mở miễn phí chuyển đổi tài liệu giữa các định dạng. Nó hỗ trợ hơn 40 định dạng đầu vào và đầu ra. Đối với Word để Markdown chuyển đổi, Pandoc là tiêu chuẩn vàng cấu hình nhiều hơn bất kỳ công cụ dựa trên trình duyệt nào, bao gồm WordToMD.

Khi sử dụng Pandoc so với WordToMD:

Cài đặt Pandoc

Cửa sổ

Tải cài đặt từ pandoc.org/lắp đặt.html, hoặc sử dụng trình quản lý gói:

# Winget
winget install pandoc

# Chocolatey
choco install pandoc

# Scoop
scoop install pandoc

macOS

# 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

Xác minh cài đặt:

pandoc --version

Lệnh chuyển đổi cơ bản

pandoc document.docx -o output.md

Đó là nó. Pandoc kết luận định dạng đầu vào từ .docx và định dạng đầu ra từ .md.

Phiên bản rõ ràng hơn:

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

Tùy chọn định dạng đầu ra

Pandoc cung cấp nhiều biến thể Markdown như đầu ra:

# 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 được khuyến nghị cho hầu hết các trường hợp sử dụng (GitHub, Obsidian, GitBook, Notion).

Các tùy chọn chuyển đổi hữu ích

Lấy các tập tin phương tiện truyền thông

Hình ảnh nhúng trong .docx được trích xuất vào thư mục:

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

Điều này lưu hình ảnh vào ./media/ và thêm tham chiếu hình ảnh Markdown vào đầu ra.

Dây bọc

Bọc dây điều khiển trong đầu ra:

# 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 được khuyến cáo cho Markdown sẽ được kiểm soát phiên bản nó tạo ra các sự khác biệt Git sạch hơn.

Bảng nội dung

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

Tài liệu độc lập với Metadata

pandoc document.docx -s -o output.md

Các -s (tự lập) cờ tạo ra YAML frontmatter từ metadata của tài liệu.

Chuyển đổi lô

Chuyển đổi tất cả các tệp .docx trong thư mục:

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

Để biết thêm các tùy chọn chuyển đổi lô, xem Batch Convert Word to Markdown.

Tùy chỉnh đầu ra với các bộ lọc Lua

Pandoc hỗ trợ các bộ lọc Lua chuyển đổi tài liệu AST trong quá trình chuyển đổi:

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

Ví dụ bộ lọc Lua để thêm một khối tiền đề tùy chỉnh:

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

Đây là loại tùy chỉnh mà các công cụ trình duyệt không thể phù hợp.

So sánh Pandoc và mammoth.js Output

WordToMD sử dụng Mammoth.js bên dưới nắp. Pandoc sử dụng trình phân tích riêng của nó. Sự khác biệt chính:

Đối với các tài liệu phức tạp, Pandoc cung cấp kết quả hoàn chỉnh hơn. Đối với các tài liệu đơn giản, WordToMD nhanh hơn với thiết lập không.

Pandoc Các tập tin mặc định

Đối với các chuyển đổi lặp đi lặp lại với cùng một cài đặt, tạo tệp mặc định:

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

Rồi chạy đi:

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

Sử dụng Pandoc trong CI/CD

Đối với các đường ống tự động (GitHub Các hành động, v.v.):

# .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 đầu ra \ tiếp tục dòng trong Markdown của tôi. Làm thế nào để tôi loại bỏ chúng? Thêm --wrap=none để vô hiệu hóa vỏ dây cứng.

Các bảng của tôi trông bị lộn xộn trong Pandoc đầu ra. Thử đi. -t gfm đối với GFM bảng tổng hợp thay vì mặc định Pandoc Markdown bảng.

Hình ảnh không hiển thị trong đầu ra. Thêm --extract-media=./images để trích xuất hình ảnh nhúng. Sau đó tham khảo chúng một cách chính xác trong môi trường mục tiêu của bạn.

Pandoc chuyển đổi báo giá thông minh thành " Chữ làm thế nào để giữ chúng? Thêm --no-highlight hoặc sửa đổi mẫu. Đối với báo giá thông minh cụ thể, chúng nên được bảo quản theo mặc định trong hầu hết các định dạng đầu ra.

Làm thế nào để Pandoc và WordToMD so sánh cho DOCX với Markdown? Cả hai đều phù hợp với các tài liệu tiêu chuẩn. WordToMD yêu cầu thiết lập không và tạo ra kết quả GFM sạch. Pandoc yêu cầu cài đặt nhưng xử lý các tài liệu phức tạp (hình ảnh, toán học, bình luận, ghi chú chân) hoàn toàn hơn.

Kết luận

Pandoc là công cụ có khả năng nhất cho Word sang Markdown chuyển đổi, đặc biệt là cho quá trình xử lý lô, định dạng đầu ra tùy chỉnh và đường ống CI / CD. Để chuyển đổi nhanh chóng, một lần mà không cần cài đặt, WordToMD hoàn thành công việc ngay lập tức. Hai công cụ này bổ sung cho nhau rất tốt.