python：markdown + python-docx 将 Markdown 文件格式转为 Word 文档

原创于 2025-12-30 20:24:44 发布 · 392 阅读

9 ·

CC 4.0 BY-SA版权

文章标签：

#python #markdown #word #docx

python 专栏收录该内容

302 篇文章

订阅专栏

Python 实现 Markdown 转 Word（markdown+python-docx 方案）

一、核心方案说明

要实现 Markdown 文件 → Word(.docx) 文件 的格式转换，核心思路是：
✅ 先用 python-markdown 库把 Markdown 文本/文件解析成 HTML 格式；
✅ 再用 python-docx 库将解析后的 HTML 内容，逐节点渲染到 Word 文档中，完成最终转换。

二、完整环境安装（一键执行）

该方案依赖 3 个核心库，直接在终端执行以下命令安装所有依赖：

pip install python-markdown python-docx beautifulsoup4

python-markdown：核心 Markdown 解析库，负责 MD → HTML；
python-docx：核心 Word 操作库，负责生成/编辑 .docx 文档；
beautifulsoup4：辅助解析 HTML 节点，方便精准提取内容渲染到 Word。

三、完整可运行代码（直接复用）

版本1：基础版（支持绝大多数 MD 语法，满足日常需求）

支持标题（1-6级）、段落、加粗、斜体、有序列表、无序列表、超链接、图片、换行等核心语法，代码可直接复制运行：

import markdown
from docx import Document
from docx.shared import Pt, Inches
from docx.enum.text import WD_ALIGN_PARAGRAPH, WD_PARAGRAPH_ALIGNMENT
from docx.oxml.ns import qn
from bs4 import BeautifulSoup
import os

def markdown_to_word(md_file_path, docx_file_path=None):
    """
    Markdown文件转Word文档核心函数
    :param md_file_path: 源Markdown文件路径（必填，如：./test.md）
    :param docx_file_path: 输出Word文件路径（可选，默认同目录同名.docx）
    """
    # 1. 校验源文件是否存在
    if not os.path.exists(md_file_path):
        print(f"错误：源文件 {md_file_path} 不存在！")
        return
    
    # 2. 默认输出路径（同目录、同名，后缀替换为.docx）
    if docx_file_path is None:
        docx_file_path = os.path.splitext(md_file_path)[0] + ".docx"
    
    # 3. 读取Markdown文件内容（指定UTF-8编码，避免中文乱码）
    with open(md_file_path, "r", encoding="utf-8") as f:
        md_content = f.read()
    
    # 4. Markdown → HTML（启用扩展，支持更完整语法）
    html_content = markdown.markdown(
        md_content,
        extensions=[
            'extra',        # 支持表格、代码块、脚注等扩展语法
            'sane_lists',   # 优化列表解析规则
            'nl2br'         # 换行符\n转为HTML的<br>标签
        ],
        extension_configs={}
    )
    
    # 5. 初始化Word文档对象
    doc = Document()
    
    # 6. 全局样式配置（统一字体、避免中文宋体异常）
    doc.styles['Normal'].font.name = '宋体'
    doc.styles['Normal']._element.rPr.rFonts.set(qn('w:eastAsia'), '宋体')
    doc.styles['Normal'].font.size = Pt(12)  # 正文字号12号
    
    # 7. 解析HTML并渲染到Word
    soup = BeautifulSoup(html_content, "html.parser")
    parse_html_node(soup, doc)
    
    # 8. 保存Word文档
    doc.save(docx_file_path)
    print(f"转换成功！Word文件已保存至：{docx_file_path}")

def parse_html_node(node, doc):
    """递归解析HTML节点，映射为Word对应样式"""
    # 处理标题（h1-h6）
    if node.name in [f'h{i}' for i in range(1,7)]:
        level = int(node.name[1])
        p = doc.add_paragraph()
        run = p.add_run(node.get_text(strip=True))
        # 标题样式：字号随级别递减，加粗
        run.font.size = Pt(20 - level * 2)
        run.font.bold = True
        run.font.name = '黑体'
        run._element.rPr.rFonts.set(qn('w:eastAsia'), '黑体')
        p.alignment = WD_ALIGN_PARAGRAPH.LEFT
    
    # 处理段落
    elif node.name == 'p':
        p = doc.add_paragraph()
        parse_inline_content(node, p)
    
    # 处理无序列表
    elif node.name == 'ul':
        for li in node.find_all('li', recursive=False):
            p = doc.add_paragraph(style='List Bullet')
            parse_inline_content(li, p)
    
    # 处理有序列表
    elif node.name == 'ol':
        for li in node.find_all('li', recursive=False):
            p = doc.add_paragraph(style='List Number')
            parse_inline_content(li, p)
    
    # 处理换行
    elif node.name == 'br':
        doc.add_paragraph()
    
    # 递归处理子节点（兼容嵌套结构）
    for child in node.children:
        if child.name:
            parse_html_node(child, doc)

def parse_inline_content(node, paragraph):
    """解析行内元素（加粗、斜体、超链接等），添加到指定段落"""
    for content in node.contents:
        if isinstance(content, str):
            # 纯文本内容
            run = paragraph.add_run(content)
            run.font.name = '宋体'
            run._element.rPr.rFonts.set(qn('w:eastAsia'), '宋体')
            run.font.size = Pt(12)
        elif content.name == 'strong':
            # 加粗文本（MD：**内容**）
            run = paragraph.add_run(content.get_text())
            run.font.bold = True
            run.font.name = '宋体'
            run._element.rPr.rFonts.set(qn('w:eastAsia'), '宋体')
        elif content.name == 'em':
            # 斜体文本（MD：*内容*）
            run = paragraph.add_run(content.get_text())
            run.font.italic = True
            run.font.name = '宋体'
            run._element.rPr.rFonts.set(qn('w:eastAsia'), '宋体')
        elif content.name == 'a':
            # 超链接（MD：[文本](链接)）
            text = content.get_text()
            link = content.get('href', '')
            run = paragraph.add_run(f"{text}({link})")
            run.font.color.rgb = None  # 可自定义链接颜色
            run.font.name = '宋体'
            run._element.rPr.rFonts.set(qn('w:eastAsia'), '宋体')

# ------------------- 调用示例 -------------------
if __name__ == "__main__":
    # 替换为你的Markdown文件路径（相对路径/绝对路径均可）
    INPUT_MD_FILE = "./test.md"
    # 可选：指定输出Word路径，如 "./转换结果.docx"
    OUTPUT_DOCX_FILE = None
    
    markdown_to_word(INPUT_MD_FILE, OUTPUT_DOCX_FILE)

版本2：增强版（额外支持表格、代码块、图片语法）

日常使用中表格、代码块、图片是高频 MD 语法，在基础版上扩展该能力，满足更复杂的转换需求：

import markdown
from docx import Document
from docx.shared import Pt, Inches, RGBColor
from docx.enum.text import WD_ALIGN_PARAGRAPH
from docx.enum.table import WD_TABLE_ALIGNMENT, WD_ALIGN_VERTICAL
from docx.oxml.ns import qn
from bs4 import BeautifulSoup
import os

def markdown_to_word(md_file_path, docx_file_path=None):
    if not os.path.exists(md_file_path):
        print(f"错误：源文件 {md_file_path} 不存在！")
        return
    if docx_file_path is None:
        docx_file_path = os.path.splitext(md_file_path)[0] + ".docx"

    with open(md_file_path, "r", encoding="utf-8") as f:
        md_content = f.read()

    # 启用表格、代码块扩展
    html_content = markdown.markdown(
        md_content,
        extensions=['extra', 'sane_lists', 'nl2br', 'codehilite'],
        extension_configs={}
    )

    doc = Document()
    doc.styles['Normal'].font.name = '宋体'
    doc.styles['Normal']._element.rPr.rFonts.set(qn('w:eastAsia'), '宋体')
    doc.styles['Normal'].font.size = Pt(12)

    soup = BeautifulSoup(html_content, "html.parser")
    parse_html_node(soup, doc)
    doc.save(docx_file_path)
    print(f"转换成功！Word文件已保存至：{docx_file_path}")

def parse_html_node(node, doc):
    # 基础节点（标题、段落、列表）- 同基础版，此处省略，完整代码包含
    if node.name in [f'h{i}' for i in range(1,7)]:
        level = int(node.name[1])
        p = doc.add_paragraph()
        run = p.add_run(node.get_text(strip=True))
        run.font.size = Pt(20 - level * 2)
        run.font.bold = True
        run.font.name = '黑体'
        run._element.rPr.rFonts.set(qn('w:eastAsia'), '黑体')
    elif node.name == 'p':
        p = doc.add_paragraph()
        parse_inline_content(node, p)
    elif node.name == 'ul':
        for li in node.find_all('li', recursive=False):
            p = doc.add_paragraph(style='List Bullet')
            parse_inline_content(li, p)
    elif node.name == 'ol':
        for li in node.find_all('li', recursive=False):
            p = doc.add_paragraph(style='List Number')
            parse_inline_content(li, p)
    
    # 新增：处理表格
    elif node.name == 'table':
        rows = node.find_all('tr')
        row_count = len(rows)
        col_count = len(rows[0].find_all(['th', 'td'])) if row_count > 0 else 0
        if row_count == 0 or col_count == 0: return
        
        # 创建Word表格
        table = doc.add_table(rows=row_count, cols=col_count)
        table.alignment = WD_TABLE_ALIGNMENT.CENTER
        for r_idx, row in enumerate(rows):
            cells = row.find_all(['th', 'td'])
            for c_idx, cell in enumerate(cells):
                tc = table.cell(r_idx, c_idx)
                tc.vertical_alignment = WD_ALIGN_VERTICAL.CENTER
                p = tc.paragraphs[0]
                parse_inline_content(cell, p)
                # 表头样式加粗
                if cell.name == 'th':
                    for run in p.runs:
                        run.font.bold = True
    
    # 新增：处理代码块
    elif node.name == 'pre':
        code_node = node.find('code')
        if code_node:
            p = doc.add_paragraph()
            run = p.add_run(code_node.get_text())
            run.font.name = 'Consolas'  # 代码专用等宽字体
            run.font.size = Pt(10)
            run.font.color.rgb = RGBColor(0, 0, 0)  # 黑色
    
    # 新增：处理图片（MD：![描述](图片路径)）
    elif node.name == 'img':
        img_src = node.get('src', '')
        img_alt = node.get('alt', '图片')
        if os.path.exists(img_src):
            try:
                doc.add_picture(img_src, width=Inches(4))  # 限制图片宽度
                p = doc.add_paragraph(img_alt)
                p.alignment = WD_ALIGN_PARAGRAPH.CENTER
            except Exception as e:
                doc.add_paragraph(f"图片加载失败：{img_src} | 错误：{str(e)}")
        else:
            doc.add_paragraph(f"图片不存在：{img_src}（描述：{img_alt}）")

    for child in node.children:
        if child.name:
            parse_html_node(child, doc)

def parse_inline_content(node, paragraph):
    # 行内元素（加粗、斜体、超链接）- 同基础版
    for content in node.contents:
        if isinstance(content, str):
            run = paragraph.add_run(content)
            run.font.name = '宋体'
            run._element.rPr.rFonts.set(qn('w:eastAsia'), '宋体')
            run.font.size = Pt(12)
        elif content.name == 'strong':
            run = paragraph.add_run(content.get_text())
            run.font.bold = True
        elif content.name == 'em':
            run = paragraph.add_run(content.get_text())
            run.font.italic = True
        elif content.name == 'a':
            text = content.get_text()
            link = content.get('href', '')
            run = paragraph.add_run(f"{text}({link})")

# ------------------- 调用示例 -------------------
if __name__ == "__main__":
    INPUT_MD_FILE = "./test.md"  # 替换为你的MD文件路径
    markdown_to_word(INPUT_MD_FILE)

四、使用方法（3步极简操作）

步骤1：准备源文件

将需要转换的 Markdown 文件（如 test.md）放在代码同目录下，或填写绝对路径（如 C:/文档/我的笔记.md）。

步骤2：修改文件路径

在代码末尾的 if __name__ == "__main__": 块中，替换 INPUT_MD_FILE 为你的 MD 文件路径：

INPUT_MD_FILE = "./你的文件.md"  # 相对路径
# 或
INPUT_MD_FILE = "D:/project/note.md"  # 绝对路径

步骤3：运行代码

直接执行该 Python 文件，终端输出 转换成功！ 即完成，转换后的 Word 文件会保存在同目录（默认）或你指定的路径下。

五、关键优化点（解决常见坑）

✅ 坑1：中文乱码/字体异常

解决方案：为所有文字节点指定中文字体（宋体/黑体），通过 qn('w:eastAsia') 强制生效；
核心代码：run._element.rPr.rFonts.set(qn('w:eastAsia'), '宋体')。

✅ 坑2：Markdown 语法解析不全

解决方案：启用 python-markdown 的扩展库（extra/codehilite），支持表格、代码块、脚注等扩展语法。

✅ 坑3：列表嵌套/格式错乱

解决方案：用 recursive=False 限制列表子节点解析层级，配合 Word 内置的 List Bullet/List Number 样式，保证列表格式统一。

✅ 坑4：图片加载失败

解决方案：增加图片路径校验，若路径不存在则在 Word 中提示错误信息，避免程序崩溃。

六、支持的 Markdown 语法清单

✅ 基础语法（基础版+增强版均支持）

标题：# 一级标题 ~ ###### 六级标题
段落：自然换行/空行分隔
加粗：**加粗内容**
斜体：*斜体内容*
无序列表：- 列表项1 / * 列表项1
有序列表：1. 列表项1 / 2. 列表项2
超链接：[链接文本](链接地址)

✅ 扩展语法（仅增强版支持）

表格：| 表头1 | 表头2 | + |---|---| + | 内容1 | 内容2 |
代码块：python 代码内容
图片：![图片描述](图片本地路径)
换行：\n 或 <br>

七、备选方案（更轻量化，一行命令转换）

如果需要极简、无代码的转换方案，推荐使用成熟工具 pandoc，比手动开发的脚本支持的语法更全、兼容性更强：

1. 安装 pandoc

Windows：winget install pandoc
Mac：brew install pandoc
Linux：sudo apt install pandoc

2. 一行命令转换

pandoc -s 你的文件.md -o 输出文件.docx

✅ 优势：支持所有 Markdown 语法（公式、脚注、目录、引用等），无需编写代码，转换速度极快。

总结

手动开发方案（python-markdown + python-docx）：适合需要自定义转换规则（如字体、样式、格式）的场景，代码可灵活扩展；
工具方案（pandoc）：适合快速批量转换，无需开发，开箱即用，兼容性最优；
核心避坑：处理中文时必须指定中文字体 + UTF-8 编码，解析列表时限制递归层级。

两种方案均可满足 Markdown → Word 的转换需求，可根据实际场景选择。