ドキュメント変換ツールとしてpandocを使ってみる

きっかけ

markdownでの作文、ドキュメント管理を今後推奨していくにあたり、既存の文書データ（pdfとかword文書など）をmarkdownに変換できるツールないかなって探してるところでpandocに行き当たったので使ってみる。今回はあくまでお試し。

pandocについて

pandoc日本語ユーザーガイドはこちら
http://sky-y.github.io/site-pandoc-jp/users-guide/

以下引用

対応している入力形式は以下の通りです：

markdown Textile （のサブセット、以下同様） reStructuredText HTML LaTeX MediaWiki markup Haddock markup OPML Emacs Org-mode DocBook

出力形式は以下の通りです：

プレーンテキスト markdown reStructuredText XHTML HTML 5 LaTeX （beamerスライドショーを含む） ConTeXt RTF OPML DocBook OpenDocument ODT Word docx GNU Texinfo MediaWiki markup EPUB (v2またはv3) FictionBook2 Textile groff manページ Emacs Org-Mode AsciiDoc InDesign ICML HTMLスライドショー：Slidy、Slideous、DZSlides、reveal.js、S5 PDF出力（LaTeXがインストールされているシステムで使用できます）

pandocの入手方法

以下のURLから入手することができるそうです。
https://pandoc.org/installing.html
私はbrewでインストールすることができました。以下コマンド。

$ brew install pandoc

pandocの使い方

• ターミナルで目的のファイルのディレクトリに移る。
• マニュアルに従って入力、出力の形式やファイル名を指定。必要があればオプションを添える。

例…docxファイルのtest.docxをMarkdownに変換する場合：

$ pandoc -f docx -t markdown test.docx

markdown形式の出力がターミナル上で出力されます。

所感

今回お試しでやってみて、あまりちゃんとはリサーチしてないのですが、以下２点つまづきポイントが。

• pdf→markdown変換について:
  pdf形式の文書をmarkdownに変換できるかなと期待してたのですが、直接は無理でした。
  仕方ないので、word文書に一回置き換えてからやってみたらいけました。

• markdownファイルへの出力について:
  任意のファイルとしてmarkdownファイル（.md）への出力はトライしてみましたが、以下のエラーを吐いてしまいそこから先が未解決です。。
  couldn't unpack docx container: not enough bytes

参考

『pandocでmarkdown形式ファイルからwordドキュメント(*.docx)を作成する』
https://dev.classmethod.jp/articles/pandoc_markdown_to_docx/#toc-6