Pandoc一个好用的格式转换工具

前几天吃过格式转换方面的亏，在从pdf转成doc文件方面。实际上pdf是由LATEX生成的。最后花费了我2天将pdf中的内容转换成doc，手工来做这种转换，效率之低下实在是让人难以忍受。所在，在自己的日常工作、学习中特别留意格式转换方面的工具。最终，我发现了pandoc这样一个优秀的格式转换工具，用了之后感觉好，心中立刻感觉到：这是一个迟到的工具。

1 介绍

也许上几天我在网上疯狂找格式转换工具的时候，已经遇到pandoc了，但是没有留意，而最后选择了Adobe Acrobat软件。这不，今天使用Ipython notebook的时候，在将当前的笔记转换为pdf下载的时候，提示我没有安装pandoc，我才知道并注意它。捣鼓了一番将其安装在电脑上面，在user guide的帮助下发现很好用。立刻就忍不住写了本博客。

你可以从这个地方下载：点击下载。

pandoc支持的输入为：

markdown, CommonMark, and (subsets of ) Textile, reStructuredText, HTML, LaTeX, MediaWiki markup, TWiki markup, Haddock markup, OPML, Emacs Org-mode, DocBook, txt2tags, EPUB wand Word docx

它支持的输出为：

Markdown, reStructuredText, XHTML, HTML5, LaTeX (including beamer slide shows), ConTeXt, RTF, OPML, DocBook, Open-Document, ODT, Word docx, GNU Texinfo, MediaWiki markup, DokuWiki markup, Haddock markup, EPUB, FictionBook2, Textile, groff man pages, Emacs Org-Mode, AsciiDoc, InDesign ICML, and Slidy, Slideous, DZSlides, reveal.js or S5 HTML slide shows.

一个很好的介绍，请参见：1.

2 一个例子

使用下面的命令为将一个latex文件转换成docx文件：

pandoc -f latex -t docx -o main.docx main.tex

转换后的结果让人可以接受，虽然图片和数学公式没有转换过来。

3 总结

pandoc的格式转换将pdf忽略了，它产生的pdf文档实际上是由你电脑上安装的LATEX引擎产生的。看来，由pdf直接转换成docx或者doc这个问题还是一个难题。在这个问题上面，Adobe Acrobat做的相对不错。

---

1. John macFarlance. Pandoc User’s Guide. 2015. ↩