大家好，我是章北海

我现在连写文档也要用Cursor了，Word转Markdown是刚需

分享一个上周写的Python脚本，用于将Microsoft Word文档（.docx）转换为Markdown格式，同时保留文档中的格式和图片。

from docx import Document
from PIL import Image
import os
from base64 import b64encode
from docx.shape import InlineShape

def docx_to_markdown(docx_path, output_dir):
     # 创建输出目录 
    if not os.path.exists(output_dir):
        os.makedirs(output_dir)
    
     # 创建 images 子目录 
    images_dir = os.path.join(output_dir, 'images')
    if not os.path.exists(images_dir):
        os.makedirs(images_dir)
    
     # 打开 docx 文件 
    doc = Document(docx_path)
    markdown_content = []
    
     # 处理每个段落 
    for para in doc.paragraphs:
         # 提取文本 
        text = para.text
        
         # 处理段落中的图片 
        for run in para.runs:
            if run._element.drawing_lst:
                for drawing in run._element.drawing_lst:
                     # 获取图片关系 ID 
                    rid = drawing.xpath('.//a:blip/@r:embed')[0]
                    image = doc.part.related_parts[rid]
                    
                     # 保存图片 
                    image_filename = f'image_{len(os.listdir(images_dir))}.png'
                    image_path = os.path.join(images_dir, image_filename)
                    with open(image_path, 'wb') as f:
                        f.write(image.blob)
                    
                     # 添加 markdown 图片语法 
                    text += f'\n![image](images/{image_filename})\n'
        
         # 添加到 markdown 内容 
        markdown_content.append(text)
    
     # 写入 markdown 文件 
    output_path = os.path.join(output_dir, 'output.md')
    with open(output_path, 'w', encoding='utf-8') as f:
        f.write('\n\n'.join(markdown_content))
    
    return output_path

 # 使用示例 
docx_path = '你的文档路径.docx'
output_dir = '输出目录路径'
markdown_file = docx_to_markdown(docx_path, output_dir)
脚本功能

  • 文本转换：将docx文档中的段落文本转换为Markdown格式。

  • 图片处理：提取文档中的图片并保存到images文件夹中，同时在Markdown文件中插入相应的图片引用。

在运行此脚本之前，请确保已安装以下软件：

  • Python 3.6或更高版本

  • pip（Python包管理器）

安装

  1. 拷贝代码在的本地计算机。

  2. 使用以下命令安装所需的Python库：

    pip install python-docx Pillow
使用方法

  1. 将您要转换的.docx文件放在项目目录中。

  2. 打开docx_to_markdown.py文件，并根据需要修改以下变量：

    docx_path = '你的文档路径.docx'
output_dir = '输出目录路径'

  • docx_path：要转换的 docx 文件的路径。

  • output_dir：生成的 Markdown 文件和图片的输出目录。

在终端中运行脚本：

python docx_to_markdown.py

转换完成后，您将在指定的输出目录中找到output.md文件和images文件夹。output.md是转换后的Markdown文件，images文件夹中包含文档中的所有图片。

其实还能改成批量处理，感兴趣可以试试。