Конвертировать DOCX в Markdown
Переносит заголовки, списки, выделения и таблицы в аккуратный Markdown.
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.
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.
Другие варианты
python docx_to_markdown.py manual.docx --outdir docspython docx_to_markdown.py notes.docx --force
Что понадобится
winget install Python.Python.3.12
brew install python
sudo apt install python3
py -m pip install python-docx
python3 -m pip install python-docx
python3 -m pip install python-docx
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.