Python将MarkDown转Word

#最近工作当中遇到一个问题，需要将markdown格式的内容转成word文档

并且有如下要求：

1.markdown内容有标题、图片、项目符号、echarts、表格等格式

2.导出的word文档格式要跟markdown格式一直

基于上述的需求以及自己的理解，通过不断尝试和检索最终得出如下代码

工具准备

1.安装Pandoc

markdown 转word需要借助于pandoc，所以本地需要安装pandoc并且配置好环境变量

参考：https://blog.csdn.net/weixin_65644655/article/details/139455283

2.安装chromedriver插件

echarts转图片需要有个过程 echarts -> html -> 图片

在将echarts转html过程中，本地需要安装chromdriver，如果你本地是windows只要装了chrome就不用单独安装，如果是linux或者unbutu 自行安装即可

3.安装python所需依赖包

首先需要导入依赖的包

pip install pyecharts pypandoc snapshot_selenium requests

代码

import json
import re
import os
import time

from pyecharts.charts import Line,Pie,Bar
from pyecharts import options as opts
from pyecharts.render import make_snapshot
from snapshot_selenium import snapshot
import pypandoc
import requests


def check_list_type(list):
    if all(isinstance(item, tuple) for item in list):
        return "tuple"
    elif all(isinstance(item, dict) for item in list):
        return "dict"
    else:
        return ""

def generate_pie_chart(data, output_path):
    pie = Pie()

    pie_data = []
    for series in data.get("series", {}):
        series_data = data["series"][0]["data"]
        if check_list_type(series_data) == 'tuple':
            pie_data = series_data
        elif check_list_type(series_data) == 'dict':
            for item in series_data:
                pie_data.append((item['name'], item['value']))
        else:
            print("Invalid data format")
        if series.get("type") == "pie":
            pie.add(
                series_name=data["series"][0]["name"],  # 图例名称
                #data_pair=data["series"][0]["data"],    # 数据
                data_pair=pie_data,
                radius=["30%", "80%"],  # 设置饼图的内外半径
                label_opts=opts.LabelOpts(is_show=True, position="outside")  # 外部标签
            )

    pie.set_global_opts(
        title_opts=opts.TitleOpts(
            title=data.get("title", {}).get("text", "示例饼状图"),
            subtitle=data.get("title", {}).get("subtext", ""),
            pos_left="center"
        ),
        tooltip_opts=opts.TooltipOpts(trigger="item"),
        legend_opts=opts.LegendOpts(orient="vertical", pos_left="left")
    )

        # 设置强调样式（使用较简洁的设置）
    pie.set_series_opts(
        emphasis_opts=opts.EmphasisOpts(
            itemstyle_opts=opts.ItemStyleOpts(
                color="#ff6347",  # 举例：设置强调颜色为红色
                # 使用简单的颜色、阴影等效果（避免使用不支持的属性）
                opacity=0.8  # 示例：添加透明度
            )
        )
    )

    html = pie.render('pie_echarts.html')
    # 渲染并保存为图片
    make_snapshot(snapshot, html, output_path)
    print(f"ECharts 饼状图已保存为图片: {output_path}")


# 柱状图
def generate_bar_chart(data, output_path):
    """
    根据 ECharts 数据生成柱状图并保存为图片。

    Args:
        data (dict): ECharts 数据。
        output_path (str): 图片保存路径。
    """
    bar = Bar()
    x_data = data.get("xAxis", {}).get("data", [])
    bar.add_xaxis(x_data)

    for series in data.get("series", []):
        if series.get("type") == "bar":
            bar.add_yaxis(
                series["name"],
                series.get("data", [])
            )


    # 设置全局选项
    bar.set_global_opts(
        title_opts=opts.TitleOpts(title=data.get("title", {}).get("text", "ECharts 图表")),
        tooltip_opts=opts.TooltipOpts(trigger="axis"),
        legend_opts=opts.LegendOpts(is_show=True),
         xaxis_opts=opts.AxisOpts(type_="category"),
        yaxis_opts=opts.AxisOpts(type_="value", axislabel_opts=opts.LabelOpts(formatter="{value}"))  # 关键修改：添加坐标轴标签
    )

    bar_html = bar.render("bar_echarts.html")

    make_snapshot(snapshot, bar_html, output_path)
    print(f"ECharts 柱状图已保存为图片: {output_path}")


def generate_line_chart(data, output_path):
    line = Line()
    x_data = data.get("xAxis", {}).get("data", [])
    line.add_xaxis(x_data)

    for series in data.get("series", []):
        item_style = series.get("itemStyle", {}).get("color", "#000")  # 默认颜色黑色
        line.add_yaxis(
            series["name"],
            series.get("data", []),
            areastyle_opts=opts.AreaStyleOpts(opacity=0.5),
            is_smooth=series.get("smooth", True),
            linestyle_opts=opts.LineStyleOpts(width=2, color=item_style),
        )

    line.set_global_opts(
        title_opts=opts.TitleOpts(title=data.get("title", {}).get("text", "ECharts 图表")),
        tooltip_opts=opts.TooltipOpts(trigger="axis"),
        xaxis_opts=opts.AxisOpts(type_="category"),
        yaxis_opts=opts.AxisOpts(type_="value"),
        legend_opts=opts.LegendOpts(is_show=True, pos_top="5%"),
    )

    make_snapshot(snapshot, line.render(), output_path)
    print(f"ECharts 图表已保存为图片: {output_path}")

def generate_chart(data, output_path):
    """
    根据 ECharts 数据生成折线图并保存为图片。

    Args:
        data (dict): ECharts 数据。
        output_path (str): 图片保存路径。
    """
    type = ''
    for series in data.get("series", []):
        type = series.get("type",'')
        break
    if type == 'line':
        generate_line_chart(data, output_path)
    elif type == 'pie':
        generate_pie_chart(data, output_path)
    elif type == 'bar':
        generate_bar_chart(data,output_path)
    else:
        print("未知类型")

def process_markdown_with_echarts(markdown_content, output_dir):
    """
    解析 Markdown 中的 ECharts 数据并生成对应的图片。

    Args:
        markdown_content (str): Markdown 内容。
        output_dir (str): 图片输出目录。

    Returns:
        str: 替换后的 Markdown 内容。
    """
    os.makedirs(output_dir, exist_ok=True)

    # 正则匹配 ECharts 数据
    echarts_pattern = r"```echarts\s*([\s\S]*?)\s*```"
    matches = re.findall(echarts_pattern, markdown_content, re.S)

    for i, match in enumerate(matches):
        try:
            # 解析 ECharts 数据
            echarts_data = json.loads(match)
            output_path = os.path.join(output_dir, f"echarts_{i + 1}.png")
            generate_chart(echarts_data, output_path)


            #替换 Markdown 中的 ECharts 数据为图片引用
            markdown_content = markdown_content.replace(
                f"```echarts\n{match}\n```", f"![ECharts 图表 {i + 1}]({output_path})"
            )
        except Exception as e:
            print(f"处理 ECharts 数据失败: {e}")

    return markdown_content



def download_image(url, output_dir):
    """
    下载网络图片并保存到本地。

    Args:
        url (str): 图片 URL。
        output_dir (str): 图片保存的目录。

    Returns:
        str: 本地图片路径或 None。
    """
    try:
        os.makedirs(output_dir, exist_ok=True)  # 创建图片存储目录
        response = requests.get(url, stream=True)
        response.raise_for_status()

        # 提取图片名称并保存
        filename = os.path.basename(url)
        local_path = os.path.join(output_dir, filename)
        with open(local_path, "wb") as file:
            file.write(response.content)
        return local_path
    except Exception as e:
        print(f"下载图片失败: {url}，错误: {e}")
        return None


def process_markdown_with_images(markdown_content, output_dir):
    """
    替换 Markdown 中的图片 URL 为本地路径。

    Args:
        markdown_content (str): Markdown 字符串。
        output_dir (str): 本地图片存储目录。

    Returns:
        str: 替换后的 Markdown 字符串。
    """
    img_pattern = r"!\[.*?\]\((https?://[^\)]+)\)"
    matches = re.findall(img_pattern, markdown_content)

    for url in matches:
        local_path = download_image(url, output_dir)
        if local_path:
            markdown_content = markdown_content.replace(url, local_path)
    return markdown_content


def ensure_correct_list_format(markdown_content):
    """
    确保Markdown中的列表项格式正确，避免格式错误导致转换问题。

    Args:
        markdown_content (str): 原始Markdown内容。

    Returns:
        str: 经过格式化的Markdown内容。
    """
    # 在此函数中检查和修复Markdown中的项目符号格式（可选）
    # 确保项目符号使用标准格式
    markdown_content = re.sub(r"^\s*\*\s+", "\n- ", markdown_content, flags=re.MULTILINE)  # 星号替换为连字符
    markdown_content = re.sub(r"^\s*\-\s+", "\n- ", markdown_content, flags=re.MULTILINE)  # 短横线替换为标准项目符号
    markdown_content = re.sub(r"^\s*\d+\.\s+", "\n1. ", markdown_content, flags=re.MULTILINE)  # 确保有序列表的数字后有空格

    # 其他必要的格式修正
    return markdown_content


def fix_title_styles_in_markdown(markdown_content):
    """
    修正 Markdown 中的标题格式，确保标题没有斜体样式，同时保留子标题层级。
    """
    # 修正标题中的斜体问题，去除标题中的任何 * 符号，确保标题格式一致。

    markdown_content = re.sub(r"(\#{1,6})\s?\*([^\*]+)\*|\s*(\#{1,6})\s*(.*)", lambda m: f'<h{len(m.group(1) or m.group(3))} style="color: blue;">{m.group(2) or m.group(4)}</h{len(m.group(1) or m.group(3))}>', markdown_content)

    return markdown_content

def convert_markdown_to_word(markdown_content, word_file, output_dir):
    """
    将 Markdown 内容转换为 Word 文档。

    Args:
        markdown_content (str): Markdown 内容。
        word_file (str): 输出的 Word 文件路径。
        output_dir (str): 图片存储目录。
    """
    # 处理图片
    processed_image = process_markdown_with_images(markdown_content, output_dir)

    # 处理echarts
    processed_markdown = process_markdown_with_echarts(processed_image, output_dir)

    # 修改项目符号
    processed_markdown = ensure_correct_list_format(processed_markdown)

    # 设置标题格式
    # processed_markdown = fix_title_styles_in_markdown(processed_markdown)

    processed_markdown = processed_markdown.encode("utf-8").decode("utf-8")
    #css_file = "style.css"
    #command = f"pandoc {processed_markdown} -o {word_file} --css {css_file}"

    extra_args = ['--wrap=none']

    pypandoc.convert_text(processed_markdown, "docx", format="md", outputfile=word_file,extra_args=extra_args)
    print(f"Word 文档已生成: {word_file}")

def extract_markdown_content(file_path):
    """
    从 Markdown 文件中提取内容并解析为 HTML。

    Args:
        file_path (str): Markdown 文件路径。

    Returns:
        str: 解析后的 HTML 内容。
    """
    with open(file_path, 'r', encoding='utf-8') as file:
        markdown_content = file.read()
    return markdown_content

if __name__ == "__main__":
    start_time = time.time()
    # 示例 Markdown 内容
    markdown_content = extract_markdown_content("test.md")

    # 配置路径
    word_file_dir = "E:\mdtoword"
    word_file_name = os.path.join(word_file_dir, "test.docx")
    image_output_dir = os.path.join(word_file_dir, "images")

    # 转换 Markdown 到 Word
    convert_markdown_to_word(markdown_content, word_file_name, image_output_dir)
    end_time = time.time()
    execution_time  = end_time - start_time
    print('接口响应时间:',execution_time)

运行结果：