12.19 - A
2025/12/18 23:45:01
1. 概述
word2markdown是一款优秀的 Word 转 Markdown 工具。随着人工智能技术的普及，将 Word 文档转换为 Markdown 格式供 AI 分析已成为常见需求。然而，现有工具（如 pandoc 等）在转换效果上往往不尽如人意。
为此，作者开发了这款基于 Python 的 Word 转 Markdown 工具，它能够智能识别 Word 文档中的各种格式元素（标题、加粗、列表、代码块、表格、图片、超链接等），并准确转换为对应的 Markdown 语法。经过实际测试，本工具在转换准确性和格式保持方面表现优异。
项目网址：word2markdown
如果觉得不错记得给项目标个星哦！
2. 运行环境
- python 3.11
- python_docx==0.8.11
3. 参考资料
- python-docx官方文档
- Python顺序读取word文档中的文本与表格
- kmrambo/Python-docx-Reading-paragraphs-tables-and-images-in-document-order-
- Python使用标准库zipfile+re提取docx文档中超链接文本和链接地址
- Python如何提取docx中的超链接
- 第105天：Python操作Word
- python-docx处理word文档
- 使用python-docx在MSWord中添加超链接
- python-docx设置表格填充底色以及切分单元格(仅使用python-docx)
4. 转换原理
- 根据 Word 标题判断是否为标题
- 根据 Word 文字是否加粗进行加粗
- 根据 Word “项目符号/编号” 判断是否为列表
- 根据 Word 文字是否倾斜判断是否为行代码
- 根据 Word 1x1 的表格判断是否为块代码
- Word 中非 1x1 的表格判定为普通表格，可以转换为 Markdown 表格
- 可以处理 Word 文档中的图片
- 可以处理 Word 文档中的超链接
- 只能处理 docx 文档，不能处理 doc 文档
5. Word 文档格式要求
- 行代码用倾斜字体表示
- 块代码必须放在 1x1 的表格中
- 1x1 的表格判定为块代码，其它大小的表格判定为普通表格
- 图片必须是单独的段落
- “项目符号/编号” 必须用样式集中的 “List Paragraph” 标识，否则会识别为正文文本
6. 使用工具
test_file/input/linux-manual.docx是一篇用于测试的 Word 文档。
test_file/output/linux-manual.md是转换后预期得到的 Markdown 文档。
test_file/output/linux-manual.imgs是转换后从 Word 中提取的图片的存放路径。
pip 安装依赖：
python3.11 -m pipinstall-r requirements.txt运行转换命令，测试转换效果：
python3.11 main.py test_file/input/linux-manual.docx转换生成的 Markdown 文档和图片会存放在test_file/input/目录下。
使用你转换生成的 Markdown 文档和预期得到的 Markdown 文档对比，二者除了图片链接外，内容应该是一样的。
因为转换工具每次从 Word 中提取图片时，会动态生成 UUID 作为图片名字，因此每次运行得到的图片名字是不一样的。