用Python将Word文档转换为Markdown格式

Markdown作为一种轻量级标记语言，以其简洁的语法和广泛的兼容性，特别适合用于博客、技术文档和版本控制系统中的内容管理。而Word文档则因其强大的排版功能，常常成为文档制作的首选。然而，直接使用Word格式在某些平台上可能显得过于复杂，或缺乏灵活性。使用Python将Word文档批量转换为Markdown格式，不仅可以简化内容结构，还能提高文档的可移植性和可维护性。本文将介绍如何使用Python将Word文档转换为Markdown文件。

本文使用的方法需要用到Spire.Doc for Python，PyPI：pip install spire.doc。

用Python将Word文档转换为Markdown格式

我们可以使用Document.LoadFromFile()方法从指定文件路径载入Word文档，然后直接使用Document.SaveToFile(fileName: str, FileFormat.Markdown)方法将其转换为Markdown格式并保存。以下是操作步骤示例：

1. 导入所需模块： Document和FileFormat。
2. 创建Document实例。
3. 使用Document.LoadFromFile()方法从指定文件路径载入Word文档。
4. 使用Document.SaveToFile()方法将其转换为Markdown格式并保存。
5. 释放资源。

代码示例

from spire.doc import Document, FileFormat# 创建Document对象
doc = Document()# 载入Word文档
doc.LoadFromFile("Sample.docx")# 将文档转换为Markdown格式并保存为文件
doc.SaveToFile("output/WordToMarkdown.md", FileFormat.Markdown)
doc.Dispose()

原Word文档

转换结果

移除图片并将Word文档转换为Markdown格式

由于直接转换Word文档到Markdown文件时，图片会以Base64编码方式储存在Markdown代码中，可能会导致转换出的文件过大或平台不支持Base64编码的情况。因此，我们可能需要在转换之前先移除图片以保证兼容性，之后再以链接的形式将图片插入到Markdown代码中。以下是操作步骤示例：

1. 导入所需模块： Document和FileFormat。
2. 创建Document实例。
3. 使用Document.LoadFromFile()方法从指定文件路径载入Word文档。
4. 依次遍历文档中的节、节中的段落、段落中的子对象，然后判断子对象是否为DocPicture的实例。如果是，则使用Paragraph.ChildObjects.Remove()方法将其移除。
5. 使用Document.SaveToFile()方法将其转换为Markdown格式并保存。
6. 释放资源。

代码示例

from spire.doc import Document, FileFormat, DocPicture# 创建Document对象
doc = Document()# 载入Word文档
doc.LoadFromFile("Sample.docx")# 遍历文档中的所有节
for i in range(doc.Sections.Count):section = doc.Sections.get_Item(i)# 遍历节中的所有段落for j in range(section.Paragraphs.Count):para = section.Paragraphs.get_Item(j)# 遍历段落中的所有文档对象for k in range(para.ChildObjects.Count):obj = para.ChildObjects.get_Item(k)# 如果文档对象是文本，则替换文本if isinstance(obj, DocPicture):# 移除图片para.ChildObjects.Remove(obj)# 将文档转换为Markdown格式并保存为文件
doc.SaveToFile("output/WordToMarkdownNoImage.md", FileFormat.Markdown)
doc.Dispose()

转换结果

本文介绍了如何使用Python将Word文档转换为Markdown文件。

申请免费License