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 | 是 | - | 输入DOCX文件路径 |
| output_path | string | 是 | - | 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)