怎么使用Python脚本快速将大批量Markdown文档转换为Word或PDF格式？-Python教程-PHP中文网

pandoc是markdown转word/pdf的事实标准，python应仅负责批量调用它；手写渲染逻辑易出错且难控样式，因markdown不定义排版，而python-docx、weasyprint等无法可靠处理嵌套列表、公式、mermaid图表等复杂元素。

怎么使用python脚本快速将大批量markdown文档转换为word或pdf格式？

直接用 pandoc 命令行最稳，Python 脚本只负责批量调用它——自己写解析器或用 python-docx / weasyprint 从头渲染 Markdown，容易翻车且样式难控。

为什么别手写 Markdown → Word/PDF 的 Python 渲染逻辑

Markdown 本身不定义排版，而 Word 和 PDF 都依赖样式树和布局引擎。python-docx 只能插入段落、表格、图片，但无法自动处理嵌套列表、数学公式、自定义标题层级缩进；weasyprint 对 CSS 支持有限，遇到 $$...$$ 或 Mermaid 图表基本挂掉。真实项目里，90% 的格式错乱都源于试图“绕过 pandoc”。

正确做法是让 Python 做它擅长的事：遍历文件、拼接命令、检查返回码、归档输出。

pandoc 是事实标准，支持 70+ 输入/输出格式，原生理解 YAML front matter、引用、脚注
所有主流样式定制（页眉页脚、字体、目录）靠一个 --template 或 --css 参数就能生效
PDF 输出默认走 LaTeX（质量高），也可切到 weasyprint 或 wkhtmltopdf 后端，无需改 Python 代码

用 subprocess 调用 pandoc 批量转换的最小可行脚本

不要用 os.system——捕获不到错误码，也难做并发控制。核心就三步：找文件、构命令、执行并记录。

News To Markdown

输入文章 URL，返回干净 Markdown。支持17个平台（头条、微信公众号、知乎、36kr、虎嗅、华尔街见闻、澎湃、InfoQ 等）专项优化，双引擎提取、图片本地化、三层抓取策略。常与 browser‑web‑search skill配合：先用 bws 搜索获取 url 列表，再逐篇调用本 skill 提取正文。

下载

示例脚本片段（转 Word）：

import subprocess
import pathlib
<p>md_files = pathlib.Path("docs").rglob("*.md")
for md in md_files:
docx = md.with_suffix(".docx")
cmd = [
"pandoc",
str(md),
"-o", str(docx),
"--standalone",
"--toc",
"--toc-depth=3",
"--reference-doc=template.docx"  # 指向你准备好的样式模板
]
result = subprocess.run(cmd, capture_output=True, text=True)
if result.returncode != 0:
print(f"❌ {md.name} -> {docx.name} 失败: {result.stderr[:200]}")</p>

务必加 --standalone，否则生成的 Word 缺元数据，双击打开可能报错
--reference-doc 是关键：没有它，Word 输出就是默认宋体五号字，毫无专业感
PDF 转换只需把 -o 后缀改成 .pdf，再加 --pdf-engine=xelatex（推荐）或 --pdf-engine=weasyprint
大量文件时加 subprocess.Popen + 进程池，避免阻塞；但别盲目开 50 个进程——xelatex 吃内存，16G 内存建议 ≤8 并发

常见失败原因和对应 fix

不是脚本问题，几乎全是 pandoc 环境或路径惹的祸。

FileNotFoundError: [Errno 2] No such file or directory: 'pandoc'：没装 pandoc 或不在 PATH。Mac 用 brew install pandoc，Windows 下载安装包后手动加到系统环境变量
中文乱码（Word 中显示方块）：PDF 用 --pdf-engine=xelatex + --variable mainfont="Noto Serif CJK SC"；Word 则必须用 --reference-doc 指向含中文字体设置的模板，不能只靠 --variable
公式不渲染：$$E=mc^2$$ 需加 --mathml（HTML/PDF）或 --webtex（需联网），Word 不支持原生 LaTeX 公式，得转成图片——用 --filter pandoc-fignos 配合插件
链接失效或图片路径错乱：确保所有 ![](path/to/img.png) 中的路径是相对于 Markdown 文件所在目录的相对路径，不是相对于 Python 脚本路径