なぜMarkdownに落とすか
仕様書や手順書が PDF、Word、PowerPoint、Excel、スキャン画像のまま置いてあると、差分を取れず、見出し検索も効きません。一度 Markdown にすると Git で履歴を追えて、表や見出しをテキストとして直せます。
壊れやすいところ
- 見出しレベルが全部同じになる
- 表の列がずれる
- スキャンや画像の中の文字が抜ける（ここは OCR が必要）
- 複数ファイルを1つずつ開くと抜けが出る
手順
- 元ファイルを種類ごとに分ける。対象は PDF、DOCX、XLSX、PPTX、HTML、EPUB、画像。
- Markdown へ一括変換する。スキャンと写真は OCR を通す。
- 変換結果を開いて、見出し階層、表、コードブロック、画像の説明だけ目視で直す。
- 配布先に合わせて DOCX、PDF、HTML、PPTX、XLSX、EPUB、画像へ書き戻す。原本は残す。
確認リスト
- 見出しが本文の階層と一致している
- 表のヘッダと列数が元と一致している
- コードがプレーンテキストの段落になっていない
- 画像内の文字が OCR 後も読める
まとめてやる場合
ブラウザだけでこの往復をするなら MarkAny を使いました。PDF、Word、Excel、PowerPoint、HTML、EPUB、画像を Markdown にし、スキャンは OCR、編集した Markdown は DOCX、PDF、HTML、画像、EPUB、PPTX、XLSX に書き出せます。変換そのものより、書き戻す前の見出しと表の確認に時間を使うと失敗が減ります。