WordからMarkdownへの変換ツール

WordprocessingMLからMarkdownへ

DOCXは、書式付きテキストが一続きになったファイルではなく、Office Open XMLパッケージです。Microsoftは基本的なワープロ文書パッケージを、本文を格納するメイン文書パーツなど複数のパーツの集合として説明しています。このツールはまず想定されるパッケージ構造を確認し、Mammoth.jsで意味構造を重視したHTML中間データを生成します。Wordの見た目を正確に再現するより意味構造を優先するというMammothの方針は、Markdownへの変換に適しています。

HTML中間データはメモリ内で解析され、CommonMarkのブロック要素とインライン要素に変換されます。シンプルな表にはGitHub Flavored Markdownの表拡張を使用します。未処理のHTML中間データがそのままページに挿入されることはありません。プレビューはMarkdownから生成し、サニタイズしてから表示します。

変換例

DOCXに見出し1のプロジェクト状況、2つの段落、番号付きの3段階計画、担当者と期限を示す2 × 3の表があるとします。ハッシュ形式の見出しを選ぶと、出力は# プロジェクト状況で始まり、通常の段落、1.のリスト記号、先頭行をヘッダーにしたGFM表が続きます。同じ文書に浮動配置のグラフがあっても変換はされません。欠落したオブジェクトを変換成功と誤解しないよう、制約の通知が表示されます。

Markdownで保持できないもの

Markdownが表すのは内容の構造であり、Wordのページ組版ではありません。ページ、段組み、余白、ヘッダー、フッター、フォント、色、浮動位置、テキストボックス、グラフ、SmartArt、数式、マクロ、OLEオブジェクト、フォーム、コメント、変更履歴は出力範囲外です。複雑な結合セルを含む表では、本来の表組みが失われる場合があります。技術文書や規制対象文書は慎重に確認し、原本のDOCXを正式な資料として保管してください。

ファイルとプライバシーの制限

対応形式は.docxです。旧形式の.doc、.docm、ODT、PDFには対応しません。想定されるOffice Open XMLパーツがないパッケージ、暗号化ZIPエントリ、2,000件を超えるパッケージエントリ、圧縮時25 MiB超、展開時80 MiB超のファイルは拒否されます。これらの上限はメモリ上のリスクを抑えるためのもので、破損ファイルを修復する機能ではありません。

DOCXのバイト列、ファイル名、抽出した構造、設定、プレビュー、Markdownはこのブラウザ内に留まります。複数ステップの操作では、このタブのsessionStorageにあるランダムなトークンが、有効期間最大2時間のIndexedDBレコードを参照します。内容をURLに含めたり、Livewireで送信したりすることはありません。最初からやり直すと、タブのトークンと保存レコードが削除されます。