Word 转 Markdown 怎么转才干净：两条路线与格式保真对照

把 Word 文档转成 Markdown，直接复制粘贴必然乱：粗体变样式残留、表格成图片、标题级别全丢。干净的做法有两条路线——pandoc 命令行（批量、可脚本化）和浏览器本地转换（零安装、文档不出机器）。两条路线底层面对的是同一组格式难题，本文逐一拆解；赶时间的可以直接用 Word 转 Markdown 工具，在浏览器里完成转换，文件不上传。

为什么「复制粘贴」永远不干净

Word 的文档模型是样式驱动的：一段文字「看起来是标题」，可能是因为套了 Heading 2 样式，也可能是手工加大字号加粗。Markdown 是语义标记：## 就是二级标题，不存在「看起来像」。

所以转换的本质是一次语义猜测：转换器必须判断「这个加粗大字」到底是不是标题。pandoc 和浏览器工具走的是同一条路径——先把 docx 解析成带语义的中间格式（HTML），再映射到 Markdown。样式残留越多的文档，猜测越难。

路线一：pandoc（命令行，适合批量）

pandoc input.docx -t gfm -o output.md

• -t gfm 输出 GitHub Flavored Markdown，表格、删除线、任务列表兼容性最好；
• --extract-media=./assets 把图片抽到本地目录而不是内联；
• 批量转换直接 for 循环：for f in *.docx; do pandoc "$f" -t gfm -o "${f%.docx}.md"; done

适合采编团队、静态站点迁移这类一次性处理几百篇的场景。

路线二：浏览器本地转换（适合含敏感内容的文档）

合同扫描件、内部评审稿、未公开的方案书——这类文档传第三方在线转换器有泄露风险。浏览器本地方案的全部计算都在你自己的机器上完成，拔掉网线照样能转：

1. 打开 docx 转 Markdown 工具；
2. 拖入 .docx 文件（Word 2007 及以上）；
3. 选择图片处理方式（保留内联或丢弃为占位符）；
4. 复制结果或下载 .md 文件。

文档不会被上传——这不是承诺，是架构：整个转换管线跑在浏览器进程里，没有后端可以接收文件。反向需求（Markdown 回填 Word 交付格式）用 Markdown 转 Word 工具 同样在本地完成。

格式保真对照表

三个最常见的坑

坑一：旧版 .doc 直接报错

.doc 是二进制 OLE 格式，和 .docx（OOXML，ZIP 包 XML）是两代技术。所有现代转换器只吃 OOXML——遇到 .doc 先在 Word/WPS 里「另存为 .docx」。工具端对 .doc 会直接提示这条路径而不是静默转出乱码。

坑二：图片把文件撑爆

图片内联（base64）能让单个 .md 文件自包含，但一张 2MB 的截图 base64 后约 2.7MB，十张图的文档转出来十几 MB，编辑器卡顿、git 仓库膨胀。规则：要自包含选内联，要长期维护选抽离图片目录。一次性贴 wiki 可以内联；进版本库的文档建议抽离。

坑三：自动编号变「手写编号」

Word 的自动编号是「样式 + 计数器」，转成 Markdown 后变成 1. 2. 3. 字面量——看起来一样，但 Word 里加一项全文自动重排，Markdown 里得手动改。这是格式模型的根本差异，无解，知道就好。

实现注记 / Implementer's note

浏览器版工具的管线是 mammoth（docx → 语义 HTML）+ turndown + GFM 插件（HTML → Markdown），两个库都是动态 import——打开工具页的瞬间不加载转换库，拖入文件的瞬间才拉取，首屏零成本。图片开关的默认值选了「保留」：内联 base64 虽然体积大，但「转出来的文件发给别人打不开图」比「文件大」更伤。mammoth 的转换警告（比如丢了不支持的元素）会原样透传到结果区，不吞——用户有权知道丢了什么。旧 .doc 的拒绝文案写明了出路（另存为 .docx），因为「报错 + 指路」比「静默降级」诚实。

FAQ

转换后表格全乱了怎么办？

大概率是合并单元格。Markdown 表格模型（包括 GFM）不支持 rowspan/colspan，复杂表格要么拆成多张简单表，要么保留为图片，要么改用 HTML 表格嵌入。

公式能转吗？

pandoc 可以把 OMML 公式转成 LaTeX（--to markdown 方言），浏览器路线对公式基本无能为力。重度公式文档建议直接在 LaTeX/Typst 里重写。

100 页的大文档会卡吗？

浏览器本地方案处理几十 MB 的 docx 没有压力（解析在本地内存完成），瓶颈通常在编辑器打开超大 .md 文件——超长文档建议按章节拆分转换。PDF 方向的转换（合并/拆分/压缩）可以配合 PDF 工具全家桶 的路线完成。

会上传我的文件吗？

不会。转换代码在你的浏览器里运行，文件内容不离开本机——可以在断网状态验证：拔网线后工具依然完整工作。

这篇转换路线笔记来自 ToolVault 工具匣的文档转换工具实现过程，两条路线的差异都在开发中实测过。

补充注记

mammoth 的 docx→HTML 映射表里，样式名是中英文环境敏感的（「标题 1」vs "Heading 1"），WPS 生成的文档偶尔带私有样式名——工具没有穷举映射，而是依赖 mammoth 的样式等级嗅探兜底，实测对主流模板覆盖良好，非主流模板的残留样式以警告形式提示人工复核。