動機

GPTやClaudeなどのLLM（大規模言語モデル）が日常的に使われるようになり、Markdownは単なる技術ドキュメントの形式を超え、AIとの「共通言語」としての重要性を増しています。

しかし、実務では依然として「PDF」や「Word (DOCX)」形式での提出が求められます。

今回は、Javaのエコシステムで最も強力なMarkdownパーサの一つ flexmark-java を使い、Markdownから「デザインされたPDF」と「Wordファイル」を一発生成する方法を紹介します。

Javaのサーバ上など特殊な環境でのニッチなニーズなので、素直にPythonの変換ツールを使えるなら使えばいいのですが・・・

コード

以下は、MarkdownファイルとCSSファイルを読み込み、HTML、PDF、DOCXを一括出力するコードです。（Scalaで書いていますがJavaでもほぼ同様の記述が可能です）

Flexmarkマークダウンパーサとその拡張機能を利用して一発変換します。

build.sbt

// https://mvnrepository.com/artifact/com.vladsch.flexmark/flexmark-all
libraryDependencies += "com.vladsch.flexmark" % "flexmark-all" % "0.64.8"
// https://mvnrepository.com/artifact/com.vladsch.flexmark/flexmark-docx-converter
libraryDependencies += "com.vladsch.flexmark" % "flexmark-docx-converter" % "0.64.8"

Main.scala

object Main {

  def main(args: Array[String]): Unit = {
    val mdFile = args(0)
    val cssFile = args(1)
    val pdfFile = mdFile + ".pdf"
    val xhtmlFile = mdFile + ".html"
    val docxFile = mdFile + ".docx"

    Using(Source.fromFile(mdFile)) { mdSource =>
      Using(Source.fromFile(cssFile)) { cssSource =>
        
        //拡張機能のオプションを設定する
        val options = new MutableDataSet()
          .set(Parser.EXTENSIONS, java.util.List.of(
            TablesExtension.create(), //「表」の拡張
            GitLabExtension.create(), //GitLab拡張（いくつかのGitLab拡張マークダウンが利用できるようになる）
            EmojiExtension.create() //絵文字拡張、PDFでは表示されなかった。
          ))

        //マークダウンのパースを行う
        val parser = Parser.builder(options).build()
        val document = parser.parseReader(mdSource.bufferedReader())

        //XHTML作成と出力
        val htmlRenderer = HtmlRenderer.builder(options).build()
        val rawHtmlFragment = htmlRenderer.render(document)
        val xhtmlContent = createFullXhtml(rawHtmlFragment, cssSource.mkString)
        writeFile(xhtmlFile, xhtmlContent)

        //PDF出力
        PdfConverterExtension.exportToPdf(pdfFile, xhtmlContent, "", options)

        //DOCX出力
        val template = DocxRenderer.getDefaultTemplate()
        val docxRenderer = DocxRenderer.builder(options).build()
        docxRenderer.render(document, template)
        template.save(new File(docxFile))
      }
    }
  }


  /**
   * Bodyフラグメントを受け取り、完全なXHTML文字列を返す
   */
  def createFullXhtml(bodyHtml: String, css: String): String = {
    //KaTexをHTMLで表示するためにkatex.min.cssとkatex.min.jsを挿入
    //また最後にKaTexの描画のScriptを埋め込んでいる。当然PDFやDocxでは表現できない。
    s"""<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Strict//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-strict.dtd">
       |<html xmlns="http://www.w3.org/1999/xhtml">
       |<head>
       |  <meta http-equiv="content-type" content="text/html; charset=UTF-8" />
       |  <link rel="stylesheet" href="https://cdn.jsdelivr.net/npm/katex@0.16.25/dist/katex.min.css">
       |  <script src="https://cdn.jsdelivr.net/npm/katex@0.16.25/dist/katex.min.js"></script>
       |  <style type="text/css">
       |    $css
       |  </style>
       |</head>
       |<body>
       |$bodyHtml
       |<script>
       |    (function () {
       |      document.addEventListener("DOMContentLoaded", function () {
       |        var mathElems = document.getElementsByClassName("katex");
       |        var elems = [];
       |        for (const i in mathElems) {
       |            if (mathElems.hasOwnProperty(i)) elems.push(mathElems[i]);
       |        }
       |
       |        elems.forEach(elem => {
       |            katex.render(elem.textContent, elem, { throwOnError: false, displayMode: elem.nodeName !== 'SPAN', });
       |        });
       |    });
       |})();
       |</script>
       |</body>
       |</html>""".stripMargin
  }

説明

PDFを作成する流れは

マークダウンをパースする（AST変換）
ASTからHTMLを作成する
HTMLからXHTMLにする(createFullXhtmlメソッド)
XHTMLからPDF出力する

です。Word(.docx)を作成する場合は、ASTから直接作成しています。

PDFでの文字の取り扱い

PDFを出力する際、何もしなければ日本語文字が出力できません。
IPAのフォントなどをダウンロードし、渡すCSSに以下のような形で記述しておきます。

sample.css

@font-face {
  font-family: 'IPAexGothic';
  src: url('file:<フォントのパス>/ipaexg.ttf');
  font-weight: normal;
  font-style: normal;
}
body {
    font-family: 'IPAexGothic';
}
/* 中略 */

出力例

HTML

PDF

DOCX

MS OfficeではなくLibre Officeで開いてます