DOCX To Markdown

将DOCX文档转换为Markdown格式

cas-bigdatalab 201e87d 3 files · 9.2 KB Updated

File contents

docx_to_markdown 技能

功能说明

该技能将DOCX文档转换为Markdown格式,支持提取文本内容、标题样式、表格等元素,适用于文档格式转换和内容迁移场景。

核心功能

  • 提取DOCX中的文本内容
  • 支持标题样式转换(Heading1-Heading6)
  • 支持粗体、斜体文本样式
  • 支持表格转换
  • 支持列表和引用样式
  • 自动创建输出目录

使用方法

python scripts/run_docx_to_markdown.py --input_path <输入DOCX> --output_path <输出MD>

参数说明

参数 类型 必填 默认值 说明
input_path string - 输入DOCX文件路径
output_path string - 输出Markdown文件路径

示例

python scripts/run_docx_to_markdown.py --input_path document.docx --output_path document.md

支持的样式转换

DOCX样式 Markdown格式
Heading1 # 标题
Heading2 ## 标题
Heading3 ### 标题
Heading4 #### 标题
Heading5 ##### 标题
Heading6 ###### 标题
粗体 **文本**
斜体 _文本_
粗斜体 **_文本_**
ListParagraph - 列表项
Quote > 引用
表格 Markdown表格格式

输出示例

# 文档标题

## 章节标题

这是一段普通文本,包含**粗体**和_斜体_样式。

- 列表项1
- 列表项2

> 这是一段引用文本

| 列1 | 列2 | 列3 |
| --- | --- | --- |
| 数据1 | 数据2 | 数据3 |

注意事项

  • 输出目录不存在时会自动创建
  • 复杂的DOCX格式(如图片、复杂表格、脚注等)可能无法完全转换
  • 扫描版PDF转换的DOCX无法提取文本(需先使用OCR)

cas-bigdatalab/piflow/tree/main/workspace/skills/docx_to_markdown commit 201e87d246

Frequently asked questions

npx skillmds@latest add cas-bigdatalab/docx-to-markdown