Подтвердить что ты не робот

Быстрое преобразование (.rtf |.doc) файлов в синтаксис Markdown с помощью PHP

Я вручную конвертировал статьи в синтаксис Markdown в течение нескольких дней, и это становится довольно утомительным. Некоторые из них - 3 или 4 страницы, курсив и другой выделенный текст. Есть ли более быстрый способ конвертировать (.rtf |.doc) файлы для очистки синтаксиса Markdown, который я могу использовать?

4b9b3361

ОТВЕТЫ

Ответ 1

Если вы оказались на mac, textutil делает хорошую работу по преобразованию doc, docx и rtf в html, а pandoc отлично справляется с преобразованием полученного html в уценку:

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

У меня есть script, который я собрал вместе назад, который пытается использовать textutil, pdf2html и pandoc, чтобы конвертировать все, что я бросаю на нем на уценку.

Ответ 2

ProgTips имеет возможное решение с макросом Word ( источник скачать):

A простой макрос (загрузка источника) для автоматического преобразования самых тривиальных вещей. Этот макрос делает:

  • Заменить жирный шрифт и курсив
  • Заменить заголовки (маркированный заголовок 1-6)
  • Заменить пронумерованные и маркированные списки

Это очень багги, я считаю, что он висит на больших документах, однако я НЕ заявляя, что это стабильный релиз!:-) Экспериментальное использование только, перекодировать и повторно использовать его по своему усмотрению, опубликовать комментарий, если вы нашли лучшее решение.

Источник: ProgTips

Источник макроса

Установка

  • откройте WinWord,
  • нажмите Alt + F11, чтобы открыть редактор VBA,
  • щелкните правой кнопкой мыши первый проект в браузере проекта
  • выберите insert- > module
  • вставьте код из файла
  • закрыть макро-редактор
  • go tools > macro > макросы; запустите макрос с именем MarkDown

Источник: ProgTips

Источник

Макро источник для безопасного хранения, если ProgTips удаляет сообщение или сайт уничтожается:

'*** 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 a bulleted list
            If Para.Range.ListFormat.ListType = wdListBullet Then
                        Para.Range.InsertBefore (ListIndent(Para.Range.ListFormat.ListLevelNumber, "*"))
            'if it 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

Источник: ProgTips

Ответ 3

Если вы открыты для использования формата .docx, вы можете использовать этот PHP скрипт, который я собрал вместе, который будет извлекать XML, запускать некоторые преобразования XSL и выводить довольно приличный эквивалент Markdown:

https://github.com/matb33/docx2md

Обратите внимание, что он предназначен для работы из командной строки и является довольно простым в его интерфейсе. Однако он выполнит свою работу!

Если script работает недостаточно для вас, я рекомендую вам отправить мне ваши файлы .docx, чтобы я мог воспроизвести вашу проблему и исправить ее. Зарегистрируйте проблему в GitHub или свяжитесь со мной напрямую, если хотите.

Ответ 4

Pandoc - хороший инструмент для преобразования в командной строке, но опять же, вам сначала нужно будет ввести ввод в формат, который Pandoc может читать, что

  • уценки
  • reStructuredText
  • текстильный
  • HTML
  • LaTeX

Ответ 5

У нас была та же проблема, что и конвертирование документов Word в уценку. Некоторые из них были более сложными и (очень) большими документами, с математическими уравнениями и изображениями и т.д. Поэтому я сделал этот script, который преобразуется с использованием нескольких различных инструментов: https://github.com/Versal/word2markdown

Поскольку он использует цепочку из нескольких инструментов, он немного более подвержен ошибкам, но это может быть хорошей отправной точкой, если у вас есть более сложные документы. Надеюсь, это может быть полезно!:)

Update: В настоящее время он работает только в Mac OS X, и вам нужно установить некоторые требования (Word, Pandoc, HTML Tidy, git, node/npm). Для правильной работы вам также нужно открыть пустой документ Word и выполнить следующие действия: File- > Save As Webpage- > Compatibility- > Encoding- > UTF-8. Затем эта кодировка сохраняется по умолчанию. Подробнее о настройке см. В README.

Затем запустите это в консоли:

$ 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

Затем вы можете найти Markdown в document.md и изображениях в каталоге document_files.

Возможно, сейчас это немного сложно, поэтому я хотел бы приветствовать любые вклады, которые облегчают эту работу или делают эту работу в других операционных системах!:)

Ответ 6

Вы пробовали этот? Не уверен в функциональности, но он работает для простых текстов. http://markitdown.medusis.com/

Ответ 7

В рамках курса рубинового университета я разработал инструмент, который может преобразовывать файлы word openoffice (.odt) в уценку. Необходимо сделать много предположений, чтобы превратить его в правильное форматирование. Например, трудно определить размер текста, который должен считаться заголовком. Однако единственное, что вы можете потерять при этом преобразовании, - это форматирование любого текста, который выполняется, всегда добавляется к документу уценки. Инструмент, который я разработал, поддерживает списки, жирный и курсивный текст, и он имеет синтаксис для таблиц.

http://github.com/bostko/doc2text Попробуйте, пожалуйста, дайте мне свои отзывы.