SuperAPI AI 工具集

docx-to-md

设计与创作

查看项目

更新于 10-15 21:40

技能介绍

用途:把 .docx 转换为干净、可 lint、适合版本控制的 Markdown,并提取图片、规范化标题、清理表格格式,用于将外部 Word 文档导入 Markdown 工作流。

主要能力:支持标题(层级规范为从 H1 开始)、粗体/斜体、链接、图片(提取到 images/ 文件夹)、表格(清理对齐)、有序/无序/嵌套列表、脚注;代码块仅在样式为代码时识别;评论可用 --strip-comments 去除。Pandoc 清理会移除转义方括号、span 类、尾部反斜杠、图片属性、标题锚点并合并多余空行。可选 YAML frontmatter(标题与日期)。

使用方式:需 Node.js 18+ 与 pandoc(winget install pandoc)。基本命令:node .github/muscles/docx-to-md.cjs report.docx。常用选项:--add-frontmatter、--fix-headings、--strip-comments、--clean-tables、--no-extract-images、--wrap N、--debug,可指定自定义输出路径。转换流程为 .docx → pandoc → 原始 MD → 清理 → 干净 MD。

适用场景:导入利益相关者的 Word 文档、迁移旧文档到 Markdown、为静态站点生成器(VitePress、Docusaurus 等)准备内容、将 SOW/RFP/规格等外部资源纳入项目仓库。

限制:修订需在 Word 中先接受或拒绝;嵌入对象(图表、SmartArt 等)需手动提取;合并单元格的复杂表格可能无法干净转换;Word 样式会丢失(仅保留结构元素);页眉页脚不提取;非 UTF-8 内容需另存为 UTF-8。转换后建议用 markdownlint 校验。