rellenar modificar llenar librerias generar ejemplo documentos documento desde con php automation markdown file-conversion .doc

modificar - rellenar un documento de word desde php



Convierta archivos(.rtf |.doc) rápidamente a la sintaxis de Markdown con PHP (7)

He estado convirtiendo manualmente los artículos en la sintaxis de Markdown durante unos días, y se está volviendo bastante tedioso. Algunos de estos son 3 o 4 páginas, cursivas y otro texto enfatizado en todo. ¿Existe una forma más rápida de convertir archivos (.rtf | .doc) para limpiar la sintaxis de Markdown que puedo aprovechar?



Como parte del curso ruby ​​de la universidad, desarrollé una herramienta que puede convertir archivos de palabras de OpenOffice (.odt) a markdown. Se deben hacer muchas suposiciones para convertirlo en un formato correcto. Por ejemplo, es difícil determinar el tamaño de un texto que debe considerarse como Título. Sin embargo, lo único que se puede perder con esta conversión es que el formato del texto que se cumple siempre se agrega al documento de reducción. La herramienta que he desarrollado admite listas, texto en negrita y cursiva, y tiene sintaxis para las tablas.

http://github.com/bostko/doc2text Pruébalo y por favor dame tu opinión.


Si está abierto para usar el formato .docx , podría usar este script PHP que reuní para extraer el XML, ejecutar algunas transformaciones XSL y generar un equivalente de Markdown bastante decente:

https://github.com/matb33/docx2md

Tenga en cuenta que está diseñado para funcionar desde la línea de comandos, y es bastante básico en su interfaz. Sin embargo, hará el trabajo!

Si el script no funciona lo suficientemente bien para usted, le recomiendo que me envíe sus archivos .docx para que pueda reproducir su problema y solucionarlo. Registra un problema en GitHub o contáctame directamente si lo prefieres.


Tuvimos el mismo problema de tener que convertir documentos de Word a rebajas. Algunos eran documentos más complicados y (muy) grandes, con ecuaciones e imágenes matemáticas y demás. Así que hice este script que se convierte usando varias herramientas diferentes: https://github.com/Versal/word2markdown

Debido a que usa una cadena de varias herramientas, es un poco más propenso a errores, pero puede ser un buen punto de partida si tiene documentos más complicados. Espero que pueda ser útil! :)

Actualización: actualmente solo funciona en Mac OS X, y necesita tener algunos requisitos instalados (Word, Pandoc, HTML Tidy, git, node / npm). Para que funcione correctamente, también debe abrir un documento de Word vacío y hacer lo siguiente: Archivo-> Guardar como página web-> Compatibilidad-> Codificación-> UTF-8. Entonces esta codificación se guarda por defecto. Vea el archivo README para más detalles sobre cómo configurarlo.

Luego ejecuta esto en la consola:

$ git clone [email protected]:Versal/word2markdown.git $ cd word2markdown $ npm install (copy over the Word files, for example, "document.docx") $ ./doc-to-md.sh document.docx document_files > document.md

Luego puede encontrar el Markdown en document.md y las imágenes en el directorio document_files .

Quizás sea un poco complicado ahora, por lo que agradecería cualquier contribución que lo haga más fácil o que funcione en otros sistemas operativos. :)


Pandoc es una buena herramienta de conversión de línea de comandos, pero una vez más, primero deberá ingresar la información en un formato que Pandoc pueda leer, que es:

  • reducción
  • reStructuredText
  • textil
  • HTML
  • Látex

ProgTips tiene una posible solución con una macro de Word (descarga de origen) :

Una macro simple (descarga de fuente) para convertir las cosas más triviales automáticamente. Esta macro hace:

  • Reemplazar negrita y cursiva
  • Reemplace los encabezados (marcados en el rumbo 1-6)
  • Reemplazar las listas numeradas y con viñetas

Es muy defectuoso, creo que se cuelga en documentos más grandes, sin embargo, ¡NO estoy diciendo que sea una versión estable de todos modos! :-) Solo uso experimental, recodificarlo y reutilizarlo como lo desee, publicar un comentario si ha encontrado una mejor solución.

Fuente: ProgTips

Fuente macro

Instalación

  • abrir WinWord,
  • presione Alt + F11 para abrir el editor de VBA,
  • haga clic derecho en el primer proyecto en el navegador del proyecto
  • elegir insertar-> módulo
  • pegue el código del archivo
  • cerrar editor de macro
  • ir a herramientas> macro> macros; ejecuta la macro llamada MarkDown

Fuente: ProgTips

Fuente

Fuente macro para mantener a salvo si ProgTips elimina la publicación o el sitio se aniquila:

''*** A simple MsWord->Markdown replacement macro by Kriss Rauhvargers, 2006.02.02. ''*** This tool does NOT implement all the markup specified in MarkDown definition by John Gruber, only ''*** the most simple things. These are: ''*** 1) Replaces all non-list paragraphs to ^p paragraph so MarkDown knows it is a stand-alone paragraph ''*** 2) Converts tables to text. In fact, tables get lost. ''*** 3) Adds a single indent to all indented paragraphs ''*** 4) Replaces all the text in italics to _text_ ''*** 5) Replaces all the text in bold to **text** ''*** 6) Replaces Heading1-6 to #..#Heading (Heading numbering gets lost) ''*** 7) Replaces bulleted lists with ^p * listitem ^p* listitem2... ''*** 8) Replaces numbered lists with ^p 1. listitem ^p2. listitem2... ''*** Feel free to use and redistribute this code Sub MarkDown() Dim bReplace As Boolean Dim i As Integer Dim oPara As Paragraph ''remove formatting from paragraph sign so that we dont get **blablabla^p** but rather **blablabla**^p Call RemoveBoldEnters For i = Selection.Document.Tables.Count To 1 Step -1 Call Selection.Document.Tables(i).ConvertToText Next ''simple text indent + extra paragraphs for non-numbered paragraphs For i = Selection.Document.Paragraphs.Count To 1 Step -1 Set oPara = Selection.Document.Paragraphs(i) If oPara.Range.ListFormat.ListType = wdListNoNumbering Then If oPara.LeftIndent > 0 Then oPara.Range.InsertBefore (">") End If oPara.Range.InsertBefore (vbCrLf) End If Next ''italic -> _italic_ Selection.HomeKey Unit:=wdStory bReplace = ReplaceOneItalic ''first replacement While bReplace ''other replacements bReplace = ReplaceOneItalic Wend ''bold-> **bold** Selection.HomeKey Unit:=wdStory bReplace = ReplaceOneBold ''first replacement While bReplace bReplace = ReplaceOneBold ''other replacements Wend ''Heading -> ##heading For i = 1 To 6 ''heading1 to heading6 Selection.HomeKey Unit:=wdStory bReplace = ReplaceH(i) ''first replacement While bReplace bReplace = ReplaceH(i) ''other replacements Wend Next Call ReplaceLists Selection.HomeKey Unit:=wdStory End Sub ''*************************************************************** '' Function to replace bold with _bold_, only the first occurance '' Returns true if any occurance found, false otherwise '' Originally recorded by WinWord macro recorder, probably contains '' quite a lot of useless code ''*************************************************************** Function ReplaceOneBold() As Boolean Dim bReturn As Boolean Selection.Find.ClearFormatting With Selection.Find .Text = "" .Forward = True .Wrap = wdFindContinue .Font.Bold = True .Format = True .MatchCase = False .MatchWholeWord = False .MatchWildcards = False .MatchSoundsLike = False .MatchAllWordForms = False End With bReturn = False While Selection.Find.Execute = True bReturn = True Selection.Text = "**" & Selection.Text & "**" Selection.Font.Bold = False Selection.Find.Execute Wend ReplaceOneBold = bReturn End Function ''******************************************************************* '' Function to replace italic with _italic_, only the first occurance '' Returns true if any occurance found, false otherwise '' Originally recorded by WinWord macro recorder, probably contains '' quite a lot of useless code ''******************************************************************** Function ReplaceOneItalic() As Boolean Dim bReturn As Boolean Selection.Find.ClearFormatting With Selection.Find .Text = "" .Forward = True .Wrap = wdFindContinue .Font.Italic = True .Format = True .MatchCase = False .MatchWholeWord = False .MatchWildcards = False .MatchSoundsLike = False .MatchAllWordForms = False End With bReturn = False While Selection.Find.Execute = True bReturn = True Selection.Text = "_" & Selection.Text & "_" Selection.Font.Italic = False Selection.Find.Execute Wend ReplaceOneItalic = bReturn End Function ''********************************************************************* '' Function to replace headingX with #heading, only the first occurance '' Returns true if any occurance found, false otherwise '' Originally recorded by WinWord macro recorder, probably contains '' quite a lot of useless code ''********************************************************************* Function ReplaceH(ByVal ipNumber As Integer) As Boolean Dim sReplacement As String Select Case ipNumber Case 1: sReplacement = "#" Case 2: sReplacement = "##" Case 3: sReplacement = "###" Case 4: sReplacement = "####" Case 5: sReplacement = "#####" Case 6: sReplacement = "######" End Select Selection.Find.ClearFormatting Selection.Find.Style = ActiveDocument.Styles("Heading " & ipNumber) With Selection.Find .Text = "" .Replacement.Text = "" .Forward = True .Wrap = wdFindContinue .Format = True .MatchCase = False .MatchWholeWord = False .MatchWildcards = False .MatchSoundsLike = False .MatchAllWordForms = False End With bReturn = False While Selection.Find.Execute = True bReturn = True Selection.Range.InsertBefore (vbCrLf & sReplacement & " ") Selection.Style = ActiveDocument.Styles("Normal") Selection.Find.Execute Wend ReplaceH = bReturn End Function ''*************************************************************** '' A fix-up for paragraph marks that ar are bold or italic ''*************************************************************** Sub RemoveBoldEnters() Selection.HomeKey Unit:=wdStory Selection.Find.ClearFormatting Selection.Find.Font.Italic = True Selection.Find.Replacement.ClearFormatting Selection.Find.Replacement.Font.Bold = False Selection.Find.Replacement.Font.Italic = False With Selection.Find .Text = "^p" .Replacement.Text = "^p" .Forward = True .Wrap = wdFindContinue .Format = True End With Selection.Find.Execute Replace:=wdReplaceAll Selection.HomeKey Unit:=wdStory Selection.Find.ClearFormatting Selection.Find.Font.Bold = True Selection.Find.Replacement.ClearFormatting Selection.Find.Replacement.Font.Bold = False Selection.Find.Replacement.Font.Italic = False With Selection.Find .Text = "^p" .Replacement.Text = "^p" .Forward = True .Wrap = wdFindContinue .Format = True End With Selection.Find.Execute Replace:=wdReplaceAll End Sub ''*************************************************************** '' Function to replace bold with _bold_, only the first occurance '' Returns true if any occurance found, false otherwise '' Originally recorded by WinWord macro recorder, probably contains '' quite a lot of useless code ''*************************************************************** Sub ReplaceLists() Dim i As Integer Dim j As Integer Dim Para As Paragraph Selection.HomeKey Unit:=wdStory ''iterate through all the lists in the document For i = Selection.Document.Lists.Count To 1 Step -1 ''check each paragraph in the list For j = Selection.Document.Lists(i).ListParagraphs.Count To 1 Step -1 Set Para = Selection.Document.Lists(i).ListParagraphs(j) ''if it''s a bulleted list If Para.Range.ListFormat.ListType = wdListBullet Then Para.Range.InsertBefore (ListIndent(Para.Range.ListFormat.ListLevelNumber, "*")) ''if it''s a numbered list ElseIf Para.Range.ListFormat.ListType = wdListSimpleNumbering Or _ wdListMixedNumbering Or _ wdListListNumOnly Then Para.Range.InsertBefore (Para.Range.ListFormat.ListValue & ". ") End If Next j ''inserts paragraph marks before and after, removes the list itself Selection.Document.Lists(i).Range.InsertParagraphBefore Selection.Document.Lists(i).Range.InsertParagraphAfter Selection.Document.Lists(i).RemoveNumbers Next i End Sub ''*********************************************************** '' Returns the MarkDown indent text ''*********************************************************** Function ListIndent(ByVal ipNumber As Integer, ByVal spChar As String) As String Dim i As Integer For i = 1 To ipNumber - 1 ListIndent = ListIndent & " " Next ListIndent = ListIndent & spChar & " " End Function

Fuente: ProgTips


Si usted está en un Mac, textutil hace un buen trabajo al convertir doc, docx y rtf a html, y pandoc hace un buen trabajo al convertir el html resultante al marcado:

$ textutil -convert html file.doc -stdout | pandoc -f html -t markdown -o file.md

Tengo un script que lancé hace un tiempo que intenta usar textutil, pdf2html y pandoc para convertir todo lo que arrojo a markdown.