一段神奇的Python代码，拿走不谢
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\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
- 拷贝代码在的本地计算机。
- 使用以下命令安装所需的 Python 库：pip install python-docx Pillow
使用方法
- 将您要转换的 .docx 文件放在项目目录中。
- 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。