使用pandoc将markdown转换成word文件

pandoc可以完成多种文件类型的相互转换，支持的文件格式参见官方网站：https://pandoc.org/index.html。本博客参考了官方文档以及社区讨论，将介绍如何利用pandoc将markdown转换为word文档。

---

基本使用

1. 在Installing页面选择合适的版本下载

   

2. 命令行运行基本参数

   • 使用参数-f FORMAT和-t FORMAT指定源和目标文件格式；pandoc支持识别文档后缀，一般可以省略
   • 使用参数-o FILE指定输出文件

3. 一个例子

   省略文件格式，使用命令pandoc 课程回顾与总结.md -o 课程回顾与总结.docx，得到的结果如下：

   课程回顾与总结.md	课程回顾与总结.docx

---

修改word文档格式

使用参数--reference-doc=FILE可以指定docx输出文件的格式参考对象，从而修改word文档的格式。

1. 获取模板

   首先使用命令pandoc -o custom-reference.docx --print-default-data-file reference.docx拷贝一份默认的参考文件模板，取名为custom-reference.docx

2. 修改模板样式

   用word打开custom-reference.docx，修改各部分对应样式。例如，将光标移动到Heading 2，找到对应的样式，右键进行修改：

   

   下图修改了Heading 1和Heading 2，将字体修改为黑体，颜色修改为黑色：

   custom-reference.docx修改前	custom-reference.docx修改后

   如果要修改输出文件中的表格样式，直接给模板中的表格更换样式，不能达成效果。根据Github上的讨论得知，必须修改名为Table的表格样式，才能控制输出文件的表格样式。
   

3. 再次转换文件

   使用命令pandoc 课程回顾与总结.md -o 课程回顾与总结.docx --reference-doc=custom-reference.docx，此次运行结果和之前对比如下，注意到一级标题和二级标题变成黑色：

   默认格式	修改格式后

---

合并多个markdown文件，自动生成目录

pandoc可以接受多个文件为输入，例如pandoc file1.md file2.md file3.md -o result.docx；另外有一些参数可以用于自动生成目录。

1. 生成目录

   • 使用参数--toc自动生成目录

     同时可以修改格式参考文件中，TOC标题/TOCHeader的样式，选中段前分页，这样之后手动插入文档封面会比较方便。

   • 使用参数--toc-depth=NUMBER指定目录包含的标题深度

     如果每一篇markdown的文章标题都是一级标题，使用--toc-depth=1可以生成最简单的目录。

   • 使用参数--reference-doc=FILE指定格式参考文件，并给格式参考文件添加页码

     如此生成的文件也会有页码。

2. 文件分页

   pandoc读入了多个文件，输出时各个文件的内容是连续的；希望每个文件能从新的一页开始，检索互联网得到两种解决方式：

   • 格式选择段前分页

     一级标题往往是文章标题。如果修改一级标题的格式，选中段前分页，每一个markdown文件的一级标题就会出现在新的一页。

     

     参考链接：How to add a page break in word document generated by RStudio & markdown

   • pandoc使用filter

     Pandoc provides an interface for users to write programs (known as filters) which act on pandoc’s AST.

     什么是filter，参考官网：Pandoc filters

     如何使用filter达到分页目的，参考这个回答：Pandoc markdown page break

---

markdown预处理

提前处理markdown源文件，或者根据结果修改markdown文件，以得到排版较好的word文件。

1. 合理使用标题层次

   合并多篇markdown时，注意统一标题层次。

2. 合理使用markdown语法

   例如，避免仅仅为了排版美观而使用引用语法；markdown引用在word文件中显示效果不同，错误使用可能会产生奇怪的效果。

3. 注意缩进和空行

   使用缩进和空行以体现段落关系。观察下面两个结果：

   markdwon	word

4. 避免手动换行排版

   markdown中不要为了让每行文字数量相同而手动使用回车换行。

5. 替换html标签（暂时没有找到支持的方式）

   如果使用了html表格/图片等，需要替换成相应的markdown语法。

---

操作指南：汇总软工实践课程博客

1. 下载群文件：文档封面和提前处理好的格式参考文件custom-reference.docx

   • 后者参考了福大毕业论文撰写规范，提前调整了部分格式
   • 后者仅修改了前四级标题格式；如果有需求，需要自行修改其他部分的格式

2. 整理好历次作业的markdown文件

   • 参考markdown预处理中的内容修改源文件
   • 用作业的名字给每篇博客添加一级标题，用于生成目录，同时产生分页效果

3. 在命令行运行pandoc hw1.md hw2.md hw3.md -o result.docx --reference-doc=custom-reference.docx --toc --toc-depth=1

   • 命令中markdown文件的名字、数量和顺序，以及输出文件的名字，根据自己的情况填充

4. 核查所有内容是否正确显示；如果不是，调整markdown源文件，再次生成结果

5. 根据实际情况，调整文字格式/图片/表格/代码段/列表缩进

6. 修改目录标题Table of Contents为目录

7. 手动插入封面并填写相关信息

8. 有必要时，调整页码（例如去除封面和目录部分的页码）

---

总结

个人感觉pandoc对于docx的格式控制是有限的。如果对word操作很熟练，使用pandoc的基本转换功能就可以，后续的格式/目录/页码都能够在word文档中完成。如果不熟悉word，或者希望pandoc提供一些便利，这篇博客的其他部分可以提供一些帮助。