解析与切分33 条

Pandoc 多格式文档互转

Pandoc 覆盖 DOCX、HTML、EPUB、LaTeX 等到 Markdown 的互转，适合把来源格式杂乱的语料统一成便于切分的 Markdown 文本。

常用转换

pandoc input.docx -t markdown -o output.md
pandoc input.html -t gfm -o output.md
pandoc input.epub -t markdown --wrap=none -o book.md

输出长行文本时用 --wrap=none 保留原始换行；公式可用 --mathjax 等选项按目标格式处理。

‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌