Офис и PDF

Конвертировать DOCX в Markdown

Переносит заголовки, списки, выделения и таблицы в аккуратный Markdown.

Python Windows macOS Linux Средний
Скачать docx_to_markdown.py
Описание

Что делает скрипт

Скрипт обходит документ в исходном порядке и преобразует стили Word в Markdown. Жирный, курсив и моноширинный текст сохраняются, таблицы становятся pipe-таблицами. Картинки не встраиваются, для них есть отдельный скрипт извлечения.

Запуск

Быстрый старт

python docx_to_markdown.py report.docx

Скачайте файл, откройте терминал в папке со скриптом и выполните команду. В Linux и macOS интерпретатор может называться python3, в Windows - python или py.

Примеры

Другие варианты

  • python docx_to_markdown.py manual.docx --outdir docs
  • python docx_to_markdown.py notes.docx --force
Зависимости

Что понадобится

Python 3.10+ Интерпретатор и стандартная библиотека
Windows winget install Python.Python.3.12
macOS brew install python
Linux sudo apt install python3
python-docx Импортируется как docx
Windows py -m pip install python-docx
macOS python3 -m pip install python-docx
Linux python3 -m pip install python-docx
Исходник

docx_to_markdown.py

#!/usr/bin/env python3
"""Преобразование DOCX в Markdown."""
from __future__ import annotations

import argparse
import sys
from pathlib import Path

from docx import Document
from docx.table import Table
from docx.text.paragraph import Paragraph


def escape_cell(text: str) -> str:
    return " ".join(text.split()).replace("|", "\\|")


def inline(paragraph: Paragraph) -> str:
    parts: list[str] = []
    for run in paragraph.runs:
        text = run.text
        if not text:
            continue
        if run.bold and run.italic:
            text = f"***{text}***"
        elif run.bold:
            text = f"**{text}**"
        elif run.italic:
            text = f"*{text}*"
        parts.append(text)
    return "".join(parts).strip()


def table_lines(table: Table) -> list[str]:
    rows = [[escape_cell(cell.text) for cell in row.cells] for row in table.rows]
    if not rows:
        return []
    width = max(len(row) for row in rows)
    normalized = [row + [""] * (width - len(row)) for row in rows]
    lines = ["| " + " | ".join(normalized[0]) + " |"]
    lines.append("| " + " | ".join("---" for _ in range(width)) + " |")
    for row in normalized[1:]:
        lines.append("| " + " | ".join(row) + " |")
    return lines


def block_markdown(block: Paragraph | Table) -> list[str]:
    if isinstance(block, Table):
        return table_lines(block)
    text = inline(block)
    if not text:
        return []
    style = (block.style.name if block.style else "") or ""
    lowered = style.lower()
    if lowered.startswith("heading "):
        try:
            level = int(style.split()[-1])
        except ValueError:
            level = 1
        return ["#" * min(level, 6) + " " + text]
    if lowered in {"title", "subtitle"}:
        return ["# " + text]
    if "list bullet" in lowered:
        return ["- " + text]
    if "list number" in lowered:
        return ["1. " + text]
    if lowered == "quote":
        return ["> " + text]
    return [text]


def main() -> int:
    parser = argparse.ArgumentParser(description="Конвертировать DOCX в Markdown")
    parser.add_argument("input", type=Path, help="Исходный DOCX")
    parser.add_argument("--outdir", type=Path, default=Path("markdown"), help="Папка результатов")
    parser.add_argument("--force", action="store_true", help="Перезаписать результат")
    args = parser.parse_args()

    path = args.input.expanduser()
    if not path.is_file():
        print(f"Файл не найден: {path}", file=sys.stderr)
        return 2
    if path.suffix.lower() not in {".docx", ".docm"}:
        print("Поддерживаются файлы .docx и .docm", file=sys.stderr)
        return 2

    target = args.outdir.expanduser() / f"{path.stem}.md"
    if target.exists() and not args.force:
        print(f"Файл уже существует: {target}. Добавьте --force.", file=sys.stderr)
        return 2

    try:
        document = Document(str(path))
    except Exception as error:
        print(f"Не удалось открыть DOCX: {error}", file=sys.stderr)
        return 1

    parts: list[str] = [f"# {path.stem}", ""]
    for child in document.element.body.iterchildren():
        if child.tag.endswith("}p"):
            lines = block_markdown(Paragraph(child, document))
        elif child.tag.endswith("}tbl"):
            lines = block_markdown(Table(child, document))
        else:
            continue
        if lines:
            parts.extend(lines)
            parts.append("")

    content = "\n".join(parts).rstrip() + "\n"
    target.parent.mkdir(parents=True, exist_ok=True)
    target.write_text(content, encoding="utf-8")
    print(f"Готово: {target}, символов: {len(content)}")
    return 0


if __name__ == "__main__":
    raise SystemExit(main())

Скрипты работают с файлами и настройками системы. Перед запуском прочитайте код и проверьте пути. Особенно если скрипт удаляет, перезаписывает или перемещает данные.

CLI 1.0.0

Скачать без браузера

Команда скачает этот файл в текущую папку. CLI работает на Windows, macOS и Linux.

scriptdock get office-docx-to-markdown
  • Поиск по всему каталогу
  • Python 3.10+
  • Без внешних пакетов
Скачать CLI

GUI-версия готовится. Подробнее

Категория

Офис и PDF

PDF, Word, Excel, презентации, документы и печать.