web-dev-qa-db-ja.com

PHPを使用して（.rtf | .doc）ファイルをマークダウン構文にすばやく変換

記事をMarkdown構文に手動で数日間変換してきましたが、かなり面倒になっています。これらのいくつかは、3ページまたは4ページであり、イタリックおよびその他の強調されたテキストです。 （.rtf | .doc）ファイルを変換して、Markdown Syntaxをクリーンアップして、利用できるより速い方法はありますか？

phpautomationmarkdownfile-conversion.doc
41
Sampson

Macを使用している場合、textutilはdoc、docx、rtfをhtmlに変換し、pandocは結果のhtmlをマークダウンに変換します。

$ textutil -convert html file.doc -stdout | pandoc -f html -t markdown -o file.md

私は script を持っているので、textutil、pdf2html、およびpandocを使用して、スローしたものをマークダウンに変換しようとします。

92
David

ProgTips は Wordマクロで可能な解決策を持っています （ソースダウンロード） ：

A 単純なマクロ （ソースダウンロード） 最も簡単なものを自動的に変換します。このマクロは：

  • 太字と斜体を置き換える
  • 見出しを置き換える（見出し1-6とマークされている）
  • 番号付きリストと箇条書きリストを置き換える

それは非常にバグが多いです、私はそれがより大きなドキュメントでハングすることを信じます、しかし私はそれがとにかく安定したリリースであると述べていません！ :-)実験的な使用のみ。必要に応じて再コーディングして再利用し、より良い解決策を見つけた場合はコメントを投稿してください。

ソース： ProgTips

マクロソース

Installation

  • winWordを開き、
  • alt + F11を押してVBAエディターを開きます。
  • プロジェクトブラウザで最初のプロジェクトを右クリック
  • 挿入->モジュールを選択します
  • ファイルからコードを貼り付けます
  • マクロエディターを閉じる
  • ツール>マクロ>マクロに行く; MarkDownという名前のマクロを実行する

ソース： ProgTips

ソース

ProgTipsが投稿を削除した場合やサイトが消去された場合に安全に保管するためのマクロソース：

'*** A simple MsWord->Markdown replacement macro by Kriss Rauhvargers, 2006.02.02.
'*** This tool does NOT implement all the markup specified in MarkDown definition by John Gruber, only
'*** the most simple things. These are:
'*** 1) Replaces all non-list paragraphs to ^p paragraph so MarkDown knows it is a stand-alone paragraph
'*** 2) Converts tables to text. In fact, tables get lost.
'*** 3) Adds a single indent to all indented paragraphs
'*** 4) Replaces all the text in italics to _text_
'*** 5) Replaces all the text in bold to **text**
'*** 6) Replaces Heading1-6 to #..#Heading (Heading numbering gets lost)
'*** 7) Replaces bulleted lists with ^p *  listitem ^p*  listitem2...
'*** 8) Replaces numbered lists with ^p 1. listitem ^p2.  listitem2...
'*** Feel free to use and redistribute this code
Sub MarkDown()
    Dim bReplace As Boolean
    Dim i As Integer
    Dim oPara As Paragraph


    'remove formatting from paragraph sign so that we dont get **blablabla^p** but rather **blablabla**^p
    Call RemoveBoldEnters


    For i = Selection.Document.Tables.Count To 1 Step -1
            Call Selection.Document.Tables(i).ConvertToText
    Next

    'simple text indent + extra paragraphs for non-numbered paragraphs
    For i = Selection.Document.Paragraphs.Count To 1 Step -1
        Set oPara = Selection.Document.Paragraphs(i)
        If oPara.Range.ListFormat.ListType = wdListNoNumbering Then
            If oPara.LeftIndent > 0 Then
                oPara.Range.InsertBefore (">")
            End If
            oPara.Range.InsertBefore (vbCrLf)
        End If


    Next

    'italic -> _italic_
    Selection.HomeKey Unit:=wdStory
    bReplace = ReplaceOneItalic  'first replacement
    While bReplace 'other replacements
        bReplace = ReplaceOneItalic
    Wend

    'bold-> **bold**
    Selection.HomeKey Unit:=wdStory
    bReplace = ReplaceOneBold 'first replacement
    While bReplace
        bReplace = ReplaceOneBold 'other replacements
    Wend



    'Heading -> ##heading
    For i = 1 To 6 'heading1 to heading6
        Selection.HomeKey Unit:=wdStory
        bReplace = ReplaceH(i) 'first replacement
        While bReplace
            bReplace = ReplaceH(i) 'other replacements
        Wend
    Next

    Call ReplaceLists


    Selection.HomeKey Unit:=wdStory
End Sub


'***************************************************************
' Function to replace bold with _bold_, only the first occurance
' Returns true if any occurance found, false otherwise
' Originally recorded by WinWord macro recorder, probably contains
' quite a lot of useless code
'***************************************************************
Function ReplaceOneBold() As Boolean
    Dim bReturn As Boolean

    Selection.Find.ClearFormatting
    With Selection.Find
        .Text = ""
        .Forward = True
        .Wrap = wdFindContinue
        .Font.Bold = True
        .Format = True
        .MatchCase = False
        .MatchWholeWord = False
        .MatchWildcards = False
        .MatchSoundsLike = False
        .MatchAllWordForms = False
    End With

    bReturn = False
    While Selection.Find.Execute = True
        bReturn = True
        Selection.Text = "**" & Selection.Text & "**"
        Selection.Font.Bold = False
        Selection.Find.Execute
    Wend

    ReplaceOneBold = bReturn
End Function

'*******************************************************************
' Function to replace italic with _italic_, only the first occurance
' Returns true if any occurance found, false otherwise
' Originally recorded by WinWord macro recorder, probably contains
' quite a lot of useless code
'********************************************************************
Function ReplaceOneItalic() As Boolean
    Dim bReturn As Boolean

        Selection.Find.ClearFormatting

    With Selection.Find
        .Text = ""
        .Forward = True
        .Wrap = wdFindContinue
        .Font.Italic = True
        .Format = True
        .MatchCase = False
        .MatchWholeWord = False
        .MatchWildcards = False
        .MatchSoundsLike = False
        .MatchAllWordForms = False
    End With

    bReturn = False
    While Selection.Find.Execute = True
        bReturn = True
        Selection.Text = "_" & Selection.Text & "_"
        Selection.Font.Italic = False
        Selection.Find.Execute
    Wend
    ReplaceOneItalic = bReturn
End Function

'*********************************************************************
' Function to replace headingX with #heading, only the first occurance
' Returns true if any occurance found, false otherwise
' Originally recorded by WinWord macro recorder, probably contains
' quite a lot of useless code
'*********************************************************************
Function ReplaceH(ByVal ipNumber As Integer) As Boolean
    Dim sReplacement As String

    Select Case ipNumber
    Case 1: sReplacement = "#"
    Case 2: sReplacement = "##"
    Case 3: sReplacement = "###"
    Case 4: sReplacement = "####"
    Case 5: sReplacement = "#####"
    Case 6: sReplacement = "######"
    End Select

    Selection.Find.ClearFormatting
    Selection.Find.Style = ActiveDocument.Styles("Heading " & ipNumber)
    With Selection.Find
        .Text = ""
        .Replacement.Text = ""
        .Forward = True
        .Wrap = wdFindContinue
        .Format = True
        .MatchCase = False
        .MatchWholeWord = False
        .MatchWildcards = False
        .MatchSoundsLike = False
        .MatchAllWordForms = False
    End With


     bReturn = False
    While Selection.Find.Execute = True
        bReturn = True
        Selection.Range.InsertBefore (vbCrLf & sReplacement & " ")
        Selection.Style = ActiveDocument.Styles("Normal")
        Selection.Find.Execute
    Wend

    ReplaceH = bReturn
End Function



'***************************************************************
' A fix-up for paragraph marks that ar are bold or italic
'***************************************************************
Sub RemoveBoldEnters()
    Selection.HomeKey Unit:=wdStory
    Selection.Find.ClearFormatting
    Selection.Find.Font.Italic = True
    Selection.Find.Replacement.ClearFormatting
    Selection.Find.Replacement.Font.Bold = False
    Selection.Find.Replacement.Font.Italic = False
    With Selection.Find
        .Text = "^p"
        .Replacement.Text = "^p"
        .Forward = True
        .Wrap = wdFindContinue
        .Format = True
    End With
    Selection.Find.Execute Replace:=wdReplaceAll

    Selection.HomeKey Unit:=wdStory
    Selection.Find.ClearFormatting
    Selection.Find.Font.Bold = True
    Selection.Find.Replacement.ClearFormatting
    Selection.Find.Replacement.Font.Bold = False
    Selection.Find.Replacement.Font.Italic = False
    With Selection.Find
        .Text = "^p"
        .Replacement.Text = "^p"
        .Forward = True
        .Wrap = wdFindContinue
        .Format = True
    End With
    Selection.Find.Execute Replace:=wdReplaceAll
End Sub

'***************************************************************
' Function to replace bold with _bold_, only the first occurance
' Returns true if any occurance found, false otherwise
' Originally recorded by WinWord macro recorder, probably contains
' quite a lot of useless code
'***************************************************************
Sub ReplaceLists()
    Dim i As Integer
    Dim j As Integer
    Dim Para As Paragraph

    Selection.HomeKey Unit:=wdStory

    'iterate through all the lists in the document
    For i = Selection.Document.Lists.Count To 1 Step -1
        'check each paragraph in the list
        For j = Selection.Document.Lists(i).ListParagraphs.Count To 1 Step -1
            Set Para = Selection.Document.Lists(i).ListParagraphs(j)
            'if it's a bulleted list
            If Para.Range.ListFormat.ListType = wdListBullet Then
                        Para.Range.InsertBefore (ListIndent(Para.Range.ListFormat.ListLevelNumber, "*"))
            'if it's a numbered list
            ElseIf Para.Range.ListFormat.ListType = wdListSimpleNumbering Or _
                                                    wdListMixedNumbering Or _
                                                    wdListListNumOnly Then
                Para.Range.InsertBefore (Para.Range.ListFormat.ListValue & ".  ")
            End If
        Next j
        'inserts paragraph marks before and after, removes the list itself
        Selection.Document.Lists(i).Range.InsertParagraphBefore
        Selection.Document.Lists(i).Range.InsertParagraphAfter
        Selection.Document.Lists(i).RemoveNumbers
    Next i
End Sub

'***********************************************************
' Returns the MarkDown indent text
'***********************************************************
Function ListIndent(ByVal ipNumber As Integer, ByVal spChar As String) As String
    Dim i  As Integer
    For i = 1 To ipNumber - 1
        ListIndent = ListIndent & "    "
    Next
    ListIndent = ListIndent & spChar & "    "
End Function

ソース： ProgTips

11
Taj Moore

.docx形式を使用する場合は、このPHPスクリプトを使用してXMLを抽出し、いくつかのXSL変換を実行して、かなり適切なMarkdownを出力します。同等：

https://github.com/matb33/docx2md

コマンドラインから機能することを意図しており、そのインターフェースはかなり基本的であることに注意してください。しかし、それは仕事を成し遂げるでしょう！

スクリプトが十分に機能しない場合は、.docxファイルを送って、問題を再現して修正できるようにしてください。 GitHubに問題を記録するか、ご希望の場合は直接ご連絡ください。

8
matb33

Pandoc は優れたコマンドライン変換ツールですが、繰り返しになりますが、最初に、Pandocが読み取れる形式に入力を取得する必要があります。

  • 値下げ
  • reStructuredText
  • 繊維
  • HTML
  • ラテックス
7
Mike Eng

Word文書をマークダウンに変換しなければならないという同じ問題がありました。いくつかは、数式や画像などを備えた、より複雑で（非常に）大きなドキュメントでした。だから私はいくつかの異なるツールを使用して変換するこのスクリプトを作りました： https://github.com/Versal/Word2markdown

いくつかのツールのチェーンを使用するため、少しエラーが発生しやすくなりますが、より複雑なドキュメントがある場合は、出発点として適しています。お役に立てれば幸いです。 :)

更新：これは現在Mac OS Xでのみ機能し、いくつかの要件をインストールする必要があります（Word、Pandoc、HTML Tidy、git、node/npm ）。それが適切に機能するためには、空のWord文書を開き、次の操作を行う必要もあります。[ファイル]-> [Webページとして保存]-> [互換性]-> [エンコード]-> [UTF-8]。次に、このエンコードがデフォルトとして保存されます。設定方法の詳細については、READMEを参照してください。

次に、これをコンソールで実行します。

$ git clone [email protected]:Versal/Word2markdown.git
$ cd Word2markdown
$ npm install
(copy over the Word files, for example, "document.docx")
$ ./doc-to-md.sh document.docx document_files > document.md

次に、Markdownをdocument.mdで、画像をdocument_filesで検索できます。

これはおそらく少し複雑になっているので、これを簡単にしたり、他のオペレーティングシステムでこれを機能させるための貢献を歓迎します！ :)

3
janpaul123

これを試しましたか？機能の豊富さはわかりませんが、単純なテキストで機能します。 http://markitdown.medusis.com/

1
user626528

大学の一部として、Rubyコースの一環として、openofficeのWordファイル（.odt）をマークダウンに変換できるツールを開発しました。正しいフォーマットに変換するためには、多くの前提が必要です。たとえば、見出しと見なす必要のあるテキストのサイズを決定するのは困難です。ただし、この変換で失う可能性があるのは、一致するテキストのフォーマットが常にマークダウンドキュメントに追加されることだけです。ツールI開発したリスト、太字および斜体テキスト、およびテーブルの構文をサポートしています。

http://github.com/bostko/doc2text 試してみて、フィードバックをお寄せください。

0
Valentin