>支持 Markdown 与 PDF、Word、HTML、纯文本等 8 种格式双向互转的本地文档处理工具,支持中英日韩四种语言.
文档格式互转引擎
功能概述
文档格式互转引擎是一项面向实际任务的技能,主要用于支持以下 8 种转换方向:;需安装 xhtml2pdf 或 weasyprint;
核心要点
- 需安装 python-docx;
- 需安装 markdown;
- 无需额外依赖;
使用与执行
需安装 pdfminer.six;需安装 markdownify;一、安全模块;当 scripts/common/security.py 存在时,自动启用以下安全防护:;路径沙箱 :限制输入/输出文件。它将相关步骤、工具调用和结果整理方式集中到统一流程中,帮助使用者更快完成目标并减少重复操作。
结果检查与注意事项
从功能定位来看,该技能强调把分散的操作要求整理成清晰、可复用的处理流程,使用户能够围绕既定目标快速准备输入、选择执行方式并获得结构化结果。实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数,再依据技能说明逐步执行;若输入条件不完整,应先补齐信息或采用保守配置,避免因错误假设导致结果偏离需求。执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期,并对异常提示、缺失字段和边界情况进行处理;涉及批量任务时,还应保存进度,避免中断后重复操作。该技能适合用于一次性任务,也可以接入自动化工作流,与其他技能或上层代理配合完成更完整的业务链路;在组合使用时,应明确每一步的输入输出关系,并避免不同步骤之间出现参数冲突。
文档格式互转引擎
支持以下 8 种转换方向:
| 输入 | 输出 | 说明 |
|---|---|---|
| MD | 需安装 xhtml2pdf 或 weasyprint | |
| MD | DOCX | 需安装 python-docx |
| MD | HTML | 需安装 markdown |
| MD | TXT | 无需额外依赖 |
| MD | 需安装 pdfminer.six | |
| DOCX | MD | 需安装 python-docx |
| HTML | MD | 需安装 markdownify |
| TXT | MD | 无需额外依赖 |
一、安全模块
当 scripts/common/security.py 存在时,自动启用以下安全防护:
- 路径沙箱:限制输入/输出文件只能在白名单目录内
- 文件大小限制:默认 50MB 上限
- HTML/MD 清洗:移除
、等危险标签 - 错误脱敏:异常信息中的路径/用户名/IP 自动隐藏
若 common/security.py 不存在,则跳过安全检查(向后兼容)。
二、质量校验
当 scripts/common/quality.py 存在且输出格式为 MD 时,自动运行质量检查:
- 乱码检测:检测 PDF 文本层是否损坏(CID 占位符、替换字符 � 等)
- 内容完整性:比较输入/输出词数比例
- 结构一致性:检查标题层级是否连续
检查结果以 JSON 文件保存(与输出文件同名,后缀 .quality.json),同时在终端输出评分:
质量校验结果: 85/100 (B) 内容完整性: 90/100 结构一致性: 80/100 文本层置信度: 85%
注意:当前版本不含 OCR 功能,扫描版 PDF 需先用外部工具识别文字后再转换。
三、使用指南
单文件转换
# 获取 Python 解释器路径(相对路径,根据实际环境调整) PY="scripts/venv/Scripts/python.exe" SCR="scripts/converter.py" # MD → PDF $PY $SCR input.md output.pdf # MD → Word $PY $SCR input.md output.docx # MD → HTML $PY $SCR input.md output.html # MD → 纯文本 $PY $SCR input.md output.txt # PDF → MD $PY $SCR input.pdf output.md # Word → MD $PY $SCR input.docx output.md # HTML → MD $PY $SCR input.html output.md # 纯文本 → MD $PY $SCR input.txt output.md
列出所有支持的转换方向
$PY $SCR --list
批量转换
# 将整个目录的 MD 文件转为 PDF $PY $SCR --batch ./md_files ./pdf_files --to pdf # 将整个目录的 PDF 文件转为 MD $PY $SCR --batch ./pdf_files ./md_files --to md
帮助
$PY $SCR --help
四、依赖安装
各转换方向所需依赖:
| 转换方向 | 依赖包 | 安装命令 |
|---|---|---|
| MD → PDF | xhtml2pdf 或 weasyprint |
pip install xhtml2pdf |
| MD → DOCX | python-docx |
pip install python-docx |
| MD → HTML | markdown |
pip install markdown |
| PDF → MD | pdfminer.six |
pip install pdfminer.six |
| DOCX → MD | python-docx |
pip install python-docx |
| HTML → MD | markdownify |
pip install markdownify |
| 安全模块 | 无(纯 Python) | — |
| 质量检查 | 无(纯 Python) | — |
一次性安装所有依赖:
pip install xhtml2pdf python-docx markdown pdfminer.six markdownify
五、常见问题
Q: 转换后中文显示乱码?
A: 确保输入文件编码为 UTF-8。若源 PDF 是扫描件,需先用 OCR 工具识别文字。
Q: 提示"缺少 xxx 库"?
A: 按第四节的依赖安装表格,用 pip 安装对应包即可。
Q: 批量转换部分文件失败?
A: 检查失败文件的格式是否支持,或文件是否过大(默认上限 50MB)。
六、版本历史
见 CHANGELOG.md。
热门AI工具
相关专题
本专题介绍Gradle插件开发的基本流程,涵盖插件类编写、自定义任务注册、扩展参数设计和插件应用方法,帮助你理解插件如何组织构建逻辑,减少多个项目之间的重复配置。
0
2026.10.22
本专题介绍Gradle Wrapper的基本作用,涵盖文件组成、生成方法、版本配置和任务调用,帮助你理解项目如何使用指定的Gradle版本,减少不同开发环境带来的构建差异。
0
2026.10.22
本专题整理Golangci-lint常用Linters的用途与配置方法,覆盖错误处理、无效代码、安全、复杂度、命名和依赖检查,帮助项目合理选规则。
0
2026.10.22
本专题介绍Gradle Java项目构建方法,涵盖Java插件配置、依赖声明、源码编译、测试执行和打包检查,帮助你理解各阶段的任务关系,逐步完成项目构建。
0
2026.10.22
本专题汇总PHP常见时间戳漏洞,包括2038年溢出、时区漂移、时间戳伪造、重放攻击、时间盲注与日志审计失效等,并给出升级64位环境、使用 DateTimeImmutable、统一UTC、严格超时校验、预处理绑定、hash_equals 比对等修复方案,帮助开发者快速排查和加固时间相关代码。
0
2026.10.22
本专题聚焦Golangci-lint YAML配置文件,讲清运行参数、规则启停、目录排除、问题过滤及严重级别设置,便于团队统一检查标准。
0
2026.10.22
本专题讲解Golangci-lint的安装、初始化、基础命令和首次代码检查,覆盖本地环境、Docker及多平台用法,帮助Go开发者快速上手。
0
2026.10.22
PHP2Shell漏洞是什么,哪些PHP版本和运行环境会受到影响,服务器应该如何检测与修复?本专题提供版本自查脚本、Linux与Docker升级命令、PHP-FPM和Apache排查步骤,以及修复验证、临时缓解和应急响应方案。
0
2026.10.22
热门下载
相关下载
精品课程
共6课时 | 12.1万人学习
共79课时 | 161.5万人学习
共6课时 | 54.7万人学习
