快捷導(dǎo)航

Python將Word文檔轉(zhuǎn)換為Markdown格式

更新時間：2024年11月17日 08:28:19 作者：Eiceblue

Markdown作為一種輕量級標(biāo)記語言,以其簡潔的語法和廣泛的兼容性,本文將介紹如何使用Python將Word文檔轉(zhuǎn)換為Markdown文件,需要的可以了解下

Markdown作為一種輕量級標(biāo)記語言，以其簡潔的語法和廣泛的兼容性，特別適合用于博客、技術(shù)文檔和版本控制系統(tǒng)中的內(nèi)容管理。而Word文檔則因其強大的排版功能，常常成為文檔制作的首選。然而，直接使用Word格式在某些平臺上可能顯得過于復(fù)雜，或缺乏靈活性。使用Python將Word文檔批量轉(zhuǎn)換為Markdown格式，不僅可以簡化內(nèi)容結(jié)構(gòu)，還能提高文檔的可移植性和可維護性。本文將介紹如何使用Python將Word文檔轉(zhuǎn)換為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將Word文檔轉(zhuǎn)換為Markdown格式

我們可以使用Document.LoadFromFile()方法從指定文件路徑載入Word文檔，然后直接使用Document.SaveToFile(fileName: str, FileFormat.Markdown)方法將其轉(zhuǎn)換為Markdown格式并保存。以下是操作步驟示例：

導(dǎo)入所需模塊： Document和FileFormat。
創(chuàng)建Document實例。
使用Document.LoadFromFile()方法從指定文件路徑載入Word文檔。
使用Document.SaveToFile()方法將其轉(zhuǎn)換為Markdown格式并保存。
釋放資源。

代碼示例

from spire.doc import Document, FileFormat

# 創(chuàng)建Document對象
doc = Document()

# 載入Word文檔
doc.LoadFromFile("Sample.docx")

# 將文檔轉(zhuǎn)換為Markdown格式并保存為文件
doc.SaveToFile("output/WordToMarkdown.md", FileFormat.Markdown)
doc.Dispose()

原Word文檔

轉(zhuǎn)換結(jié)果

移除圖片并將Word文檔轉(zhuǎn)換為Markdown格式

由于直接轉(zhuǎn)換Word文檔到Markdown文件時，圖片會以Base64編碼方式儲存在Markdown代碼中，可能會導(dǎo)致轉(zhuǎn)換出的文件過大或平臺不支持Base64編碼的情況。因此，我們可能需要在轉(zhuǎn)換之前先移除圖片以保證兼容性，之后再以鏈接的形式將圖片插入到Markdown代碼中。以下是操作步驟示例：

導(dǎo)入所需模塊： Document和FileFormat。
創(chuàng)建Document實例。
使用Document.LoadFromFile()方法從指定文件路徑載入Word文檔。
依次遍歷文檔中的節(jié)、節(jié)中的段落、段落中的子對象，然后判斷子對象是否為DocPicture的實例。如果是，則使用Paragraph.ChildObjects.Remove()方法將其移除。
使用Document.SaveToFile()方法將其轉(zhuǎn)換為Markdown格式并保存。
釋放資源。

代碼示例

from spire.doc import Document, FileFormat, DocPicture

# 創(chuàng)建Document對象
doc = Document()

# 載入Word文檔
doc.LoadFromFile("Sample.docx")

# 遍歷文檔中的所有節(jié)
for i in range(doc.Sections.Count):
    section = doc.Sections.get_Item(i)
    # 遍歷節(jié)中的所有段落
    for j in range(section.Paragraphs.Count):
        para = section.Paragraphs.get_Item(j)
        # 遍歷段落中的所有文檔對象
        for k in range(para.ChildObjects.Count):
            obj = para.ChildObjects.get_Item(k)
            # 如果文檔對象是文本，則替換文本
            if isinstance(obj, DocPicture):
                # 移除圖片
                para.ChildObjects.Remove(obj)

# 將文檔轉(zhuǎn)換為Markdown格式并保存為文件
doc.SaveToFile("output/WordToMarkdownNoImage.md", FileFormat.Markdown)
doc.Dispose()

轉(zhuǎn)換結(jié)果