pandoc-docx

支持使用 pandoc 在 Word (.docx) 与 Markdown 及多种格式之间进行双向转换，保留主要格式和图片。

🔄 通过 pandoc 实现 Word (.docx) 与 Markdown 双向转换

---

📖 概述

基于 pandoc 的文档格式转换工具，支持 Word (.docx) 与 Markdown 之间的双向转换。

核心能力：

• ✅ 读取 Word (.docx) → Markdown
• ✅ 写入 Word (.docx) ← Markdown
• ✅ 格式转换 (.docx ↔ .md ↔ .pdf ↔ .txt ↔ .html)
• ✅ 批量处理
• ✅ 图片提取
• ✅ 格式保留（标题、粗体、列表、表格、代码）

依赖： pandoc (必需), libreoffice (可选，用于 .doc 支持)

---

🎯 触发条件

用户提到以下关键词时触发：

关键词	示例
"读取 Word"	"读取这个 report.docx"
"转为 Word"	"把这个 md 转为 word"
"docx 转 md"	"docx 转 md"
"创建 Word"	"创建一个 Word 文档"
"修改 docx"	"修改这个合同.docx"
"pandoc"	"用 pandoc 转换"
文件路径包含 .docx	"处理 ~/documents/report.docx"

---

🛠️ 支持格式

输入格式

格式	读取	写入	说明
.docx	✅	✅	Word 2007+（主要支持）
.doc	⚠️	⚠️	需要 libreoffice
.md	✅	✅	Markdown
.txt	✅	✅	纯文本
.pdf	⚠️	❌	仅读取（需 pdftotext）
.html	✅	✅	HTML

输出格式

格式	支持	说明
.docx	✅	Word 文档
.md	✅	Markdown
.pdf	✅	PDF（需 texlive）
.txt	✅	纯文本
.html	✅	HTML
.epub	✅	电子书

---

🔄 核心流程

1. 读取 Word 文档

text

用户请求：读取 ~/report.docx
     ↓
检查文件格式 (.docx)
     ↓
调用 scripts/doc-read.sh
     ↓
pandoc report.docx -t markdown
     ↓
返回 Markdown 内容
     ↓
AI 分析/总结/处理

2. 写入 Word 文档

text

用户请求：创建 Word 文档
     ↓
AI 生成 Markdown 内容
     ↓
调用 scripts/doc-write.sh
     ↓
pandoc input.md -o output.docx
     ↓
返回 Word 文件路径
     ↓
确认完成

3. 格式转换

text

用户请求：docx 转 md
     ↓
检查源文件和目标格式
     ↓
调用 scripts/doc-convert.sh
     ↓
pandoc input.docx -o output.md
     ↓
返回转换结果

---

📝 使用方式

基础命令

bash

# 读取文档
./scripts/doc-read.sh <文件路径> [格式]

# 写入文档
./scripts/doc-write.sh <输出文件> <输入文件|-> [格式]

# 格式转换
./scripts/doc-convert.sh <输入文件> -o <输出文件>

# 编辑文档
./scripts/doc-edit.sh <文件> <操作> [内容]

使用示例

bash

# 读取 Word
./scripts/doc-read.sh ~/report.docx

# 创建 Word
echo "# 标题" | ./scripts/doc-write.sh ~/output.docx -

# 格式转换
./scripts/doc-convert.sh ~/input.docx -o ~/output.md

# 提取图片
./scripts/doc-convert.sh ~/input.docx -o ~/output.md --extract-media=./images

# 批量转换
for f in *.docx; do ./scripts/doc-convert.sh "$f" -o "${f%.docx}.md"; done

# 检查依赖
./scripts/check-deps.sh

---

⚠️ 依赖检查

必需依赖

工具	检查命令	安装命令 (Linux)	安装命令 (macOS)
pandoc	pandoc --version	sudo apt install pandoc	brew install pandoc

可选依赖

工具	用途	安装命令 (Linux)	安装命令 (macOS)
libreoffice	.doc 支持	sudo apt install libreoffice	brew install --cask libreoffice
pdftotext	PDF 读取	sudo apt install poppler-utils	brew install poppler
texlive	PDF 生成	sudo apt install texlive	brew install --cask mactex

---

📋 模板文件

文档摘要模板

markdown

# 📄 文档摘要

**文件**: {filename}
**格式**: {format}
**大小**: {size}
**创建时间**: {created}
**修改时间**: {modified}

---

## 内容概览

- **标题数**: {heading_count}
- **段落数**: {paragraph_count}
- **表格数**: {table_count}
- **图片数**: {image_count}

---

## 核心内容

{content_summary}

---

**生成时间**: {timestamp}

---

🎯 典型场景

场景 1：读取并分析 Word 报告

text

用户：帮我分析这个季度报告 report.docx
     ↓
1. doc-read.sh report.docx
2. AI 分析内容
3. 生成摘要和洞察

场景 2：创建 Word 文档

text

用户：创建一个项目计划文档
     ↓
1. AI 生成 Markdown 内容
2. doc-write.sh plan.docx
3. 返回文件路径

场景 3：修改现有 Word

text

用户：把这个合同的甲方改为 ABC 公司
     ↓
1. doc-read.sh contract.docx
2. AI 修改内容
3. doc-write.sh contract-updated.docx

场景 4：批量转换

text

用户：把所有 Word 文档转为 Markdown
     ↓
1. 批量调用 doc-convert.sh
2. 返回转换结果列表

---

⚠️ 注意事项

格式保留

内容	保留度	说明
标题层级	✅ 100%	H1-H6 完美转换
粗体/斜体	✅ 100%	粗体 斜体
列表	✅ 100%	有序/无序列表
表格	✅ 95%	简单表格完美，复杂表格可能简化
代码块	✅ 90%	保留语言和格式
图片	✅ 100%	需使用 --extract-media
超链接	✅ 100%	完美转换

可能丢失的内容

内容	说明
复杂样式	字体颜色、背景色等
页眉页脚	Markdown 不支持
分页符	Markdown 不支持
批注/修订	不转换
宏	不转换
合并单元格	可能简化为普通表格

最佳实践

1. 优先使用 .docx 格式

   • .doc 需要 libreoffice，转换质量略低

2. 图片单独提取

   bash

   pandoc input.docx -o output.md --extract-media=./images
   

3. 保留原始格式

   bash

   pandoc input.docx -o output.md --wrap=preserve
   

4. 使用参考文档（保持样式）

   bash

   pandoc input.md -o output.docx --reference-doc=template.docx
   

---

🔧 脚本说明

脚本	用途	参数
doc-read.sh	读取文档	<文件> [格式]
doc-write.sh	写入文档	`<输出> <输入
doc-convert.sh	格式转换	<输入> -o <输出> [选项]
doc-edit.sh	编辑文档	<文件> <操作> [内容]
check-deps.sh	检查依赖	无

---

📚 相关文档

• supported-formats.md - 完整格式支持列表
• pandoc-options.md - pandoc 参数详解

---

🚀 快速开始

bash

# 1. 检查依赖
./scripts/check-deps.sh

# 2. 读取 Word
./scripts/doc-read.sh ~/document.docx

# 3. 创建 Word
echo "# 标题" | ./scripts/doc-write.sh ~/output.docx -

# 4. 格式转换
./scripts/doc-convert.sh ~/input.docx -o ~/output.md

---

版本: 1.0.0
创建: 2026-03-21
依赖: pandoc >= 2.0
作者: Cyber 🌟
许可: MIT