tex2docx — LaTeX 转 Word 转换器

依赖要求

• pandoc（系统级安装）：winget install pandoc 或访问 pandoc.org
• Python 包：pip install python-docx lxml pypandoc_binary

使用方法

python scripts/tex2docx.py input.tex [output.docx]

若未指定 output.docx，则输出文件为同目录下的 input.docx。

工作原理（三阶段流程）

.tex ──→ [pandoc] ──→ OMML 公式（支持 13+ 个可在 Word 中直接编辑的公式）
  │
  └──→ [自定义解析器] ──→ 原生 Word 表格 ├──→ 最终 .docx 文件
                           内嵌图表         │   （合并生成）
                           格式化参考文献     │
                           IEEE 排版与字体    ┘

第一阶段 — Pandoc 处理

通过 pypandoc 调用 pandoc。输入文件必须位于其独立目录中（若含图片，则需存在 figures/ 子目录）。脚本会在运行 pandoc 前执行 chdir 切换至该 LaTeX 目录，以确保图片路径正确解析。

第二阶段 — 自定义 LaTeX 解析器

基于正则表达式的结构元素提取：

• 表格：begin{table} → 转换为 Word 表格对象（全边框、居中对齐、Times New Roman 8pt 字体）
• 图表：includegraphics{} + caption{} → 嵌入 PNG/PDF 图像，并配以斜体图注
• 参考文献：thebibliography → 格式化条目，悬挂缩进
• 章节标题：section{}、subsection{} → 转为加粗标题
• 元数据：title、author、abstract、IEEEkeywords

第三阶段 — 合并生成

将 pandoc 输出中的 OMML 公式段落插入到结构清晰的文档中。正文段落应用首行缩进 0.25 英寸。所有 LaTeX 命令（如 textbf、toprule、ref、cite、begin{itemize} 等）均从正文内容中移除。

输出格式

校验

python scripts/verify.py output.docx

报告段落、表格、图像及公式数量，并检测是否存在残留的 LaTeX 内容。

中文（ctex）支持

完整支持使用 ctex 宏包编写的中文 LaTeX 文档：

• 识别中文章节标题（如：引言、方法、实验、结论等）
• 支持带星号变体 section*{}
• 保留中文表格标题
• 标题中的中文文本通过 w:eastAsia 字体回退机制渲染
• 自动过滤 title{...} 和 author{...} 产生的冗余段落

限制条件

• 行内公式（$...$）将转为普通斜体文本，而非 OMML 公式；仅 begin{equation}、begin{align} 及 [...] 环境生成可编辑公式
• 不支持 .bib 文件：参考文献必须置于 thebibliography{} 环境中
• 优先使用 PNG 图像：脚本默认尝试加载 PNG，失败后降级使用 PDF
• Pandoc 路径：系统级 pandoc 可执行文件必须能被 pypandoc 自动发现

脚本：scripts/tex2docx.py

单文件自包含实现（660+ 行代码）。核心内部函数如下：