使用Pandoc与Python实现本地化文档转换全攻略

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
import os
import sys
import subprocess
import shutil

def preprocess_markdown(content):
    """
    预处理Markdown文本：
    1. 普通文本行之间插入空行，防止Pandoc将它们合并为一段。
    2. 表格内部（以|开头）保持原样，不插入空行。
    3. 表格前后确保有空行进行隔离。
    """
    lines = content.split('\n')
    processed_lines = []
    in_table = False
    
    for i, line in enumerate(lines):
        stripped = line.strip()
        # 简单的Markdown表格行判断：以竖线开头
        is_table_row = stripped.startswith('|')
        
        if is_table_row:
            if not in_table:
                # 【状态切换】刚进入表格
                # 如果上一行不是空行，插入一个空行做隔离
                if processed_lines and processed_lines[-1].strip() != '':
                    processed_lines.append('') 
                in_table = True
            
            # 表格行直接追加，不加额外空行
            processed_lines.append(line)
            
        else:
            if in_table:
                # 【状态切换】刚离开表格
                in_table = False
                # 离开表格后，立即追加一个空行做隔离
                processed_lines.append('')
            
            # 普通文本处理
            processed_lines.append(line)
            
            # 如果当前行有文字（不是空行），且不是代码块标记等特殊情况，
            # 则追加一个空行，强制Pandoc分段
            if stripped and not stripped.startswith('```'):
                processed_lines.append('')
                
    return '\n'.join(processed_lines)

def run_conversion(input_file):
    # 1. 检查 Pandoc 是否安装
    if not shutil.which("pandoc"):
        print("错误：未检测到 Pandoc。请先安装 Pandoc 并添加到环境变量。")
        return

    # 2. 准备文件名
    file_path = os.path.abspath(input_file)
    folder = os.path.dirname(file_path)
    filename = os.path.basename(file_path)
    filename_no_ext = os.path.splitext(filename)[0]
    
    # 临时文件和输出文件路径
    temp_md_file = os.path.join(folder, f"{filename_no_ext}_temp_preprocessed.md")
    output_docx = os.path.join(folder, f"{filename_no_ext}.docx")

    try:
        # 3. 读取并预处理 Markdown
        print(f"正在处理文件: {filename} ...")
        with open(file_path, 'r', encoding='utf-8') as f:
            raw_content = f.read()
        
        # 调用核心预处理逻辑
        clean_content = preprocess_markdown(raw_content)
        
        # 写入临时文件
        with open(temp_md_file, 'w', encoding='utf-8') as f:
            f.write(clean_content)
            
        # 4. 调用 Pandoc 进行转换
        # 命令解释：pandoc 输入文件 -o 输出文件 --reference-doc=模板(可选)
        cmd = f'pandoc "{temp_md_file}" -o "{output_docx}"'
        
        print("正在调用 Pandoc 进行转换...")
        result = subprocess.run(cmd, shell=True, capture_output=True, text=True)
        
        if result.returncode == 0:
            print(f"✅ 转换成功！")
            print(f"📄 输出文件: {output_docx}")
        else:
            print(f"❌ 转换失败：\n{result.stderr}")

    except Exception as e:
        print(f"发生异常: {e}")
    finally:
        # 5. 清理临时文件
        if os.path.exists(temp_md_file):
            os.remove(temp_md_file)

if __name__ == '__main__':
    # 使用方法：直接运行或拖入文件
    if len(sys.argv) > 1:
        target_file = sys.argv[1]
        run_conversion(target_file)
    else:
        print("使用说明：")
        print("请将 .md 文件直接拖拽到这个脚本文件上运行，")
        print("或者在命令行输入：python md2docx.py <你的文件名.md>")
        input("\n按回车键退出...")

python md2docx.py Mon.md
python md2docx.py Tue.md

# 假设 custom.docx 和脚本在同一目录
cmd = f'pandoc "{temp_md_file}" --reference-doc="custom.docx" -o "{output_docx}"'