Konvertieren Sie eine .docx in eine .pdf mit pandoc

Ich versuche, eine per Mail erhaltene .docx-Datei mit pandoc in eine korrekte PDF-Datei umzuwandeln (ich verwende GNU / Linux).

Ich habe einen Fehler bezüglich der Zeichenkodierung:

$ pandoc file.docx -o file.pdf
pandoc: Cannot decode byte '\x87': Data.Text.Encoding.decodeUtf8: Invalid UTF-8 stream

Ich habe versucht, die Codierung zu identifizieren:

$ file -i file .docx 
file.docx: application/vnd.openxmlformats-officedocument.wordprocessingml.document; charset=binary

Ich bin ein wenig überrascht von charset=binary(ich hatte erwartet charset=iso8859-15). Allerdings habe ich trotzdem versucht, die .docx nach utf8 zu konvertieren und es funktioniert nicht:

 $ iconv -t utf-8 file.docx
P!      $iconv: séquence d'échappement non permise à la position 16

Ich habe den gleichen Fehler mit der Befehlszeile aus der Pandoc-Dokumentation :

iconv -t utf-8 file.docx | pandoc | iconv -f utf-8

Wie kann ich diese .docx zu pdf mit Pandoc konvertieren?

In der Dokumentation hier , .docxals kompatibel nicht aufgelistet Eingang :

Pandoc ist eine Haskell-Bibliothek zum Konvertieren von einem Markup-Format in ein anderes und ein Befehlszeilentool, das diese Bibliothek verwendet. Es kann Markdowns und (Teilmengen von) Textilien, reStructuredText, HTML, LaTeX, MediaWiki-Markups, Haddock-Markups, OPML und DocBook lesen. und es kann schreiben Klartext, Abschlag, reStructuredText, XHTML, HTML 5, Latex (einschließlich Beamer Dia - Shows), Kontext, RTF, OPML, DocBook, OpenDocument-, ODT, Word- docx, GNU Texinfo, MediaWiki Markup, EPUB (v2 bzw. v3 ), FictionBook2, Textile, Handbuchseiten, Emacs Org-Mode, AsciiDoc und Slidy, Slideous, DZSlides, disclose.js oder S5 HTML-Diashows. Es kann auch PDF-Ausgaben auf Systemen erzeugen, auf denen LaTeX installiert ist.

Versuchen Sie es mit etwas anderem, wie Libreoffice, das docx ausführen kann, solange Ihnen einige Formatierungsfehler nichts ausmachen.

BEARBEITEN:

Die Beschreibung besagt nun, dass Pandoc das Lesen von Word DOCX (sowie von DocBook und einigen anderen Formaten) offenbar unterstützt:

Pandoc ist eine Haskell-Bibliothek zum Konvertieren von einem Markup-Format in ein anderes und ein Befehlszeilentool, das diese Bibliothek verwendet. Es kann Markdowns und (Teilmengen von) Textilien, reStructuredText, HTML, LaTeX, MediaWiki-Markups, TWiki-Markups, Haddock-Markups, OPML, Emacs Org-Modus, DocBook, txt2tags, EPUB und Word Docx lesen . und es kann schreibenKlartext, Markdown, reStructuredText, XHTML, HTML 5, LaTeX (einschließlich Beamer-Diashows), ConTeXt, RTF, OPML, DocBook, OpenDocument, ODT, WordDocx, GNU Texinfo, MediaWiki-Markup, DokuWiki-Markup, Haddock-Markup, EPUB (v2 oder v3), FictionBook2, Textile, große Manpages, Emacs Org-Mode, AsciiDoc, InDesign ICML und Slidy, Slideous, DZSlides, disclose.js oder S5 HTML-Diashows. Es kann auch PDF-Ausgaben auf Systemen erzeugen, auf denen LaTeX installiert ist.

Wie @evilsoup vorschlug, könnte dies funktionieren:

cd /DIRECTORY/WITH/FILE/IN && libreoffice --headless --convert-to html 'FILE.docx' && pandoc 'FILE.html' -o 'FILE.pdf'

_{Ja, Sie können den Befehl libreoffice mit verwenden --outdir, aber die HTML-Ausgabe funktioniert nicht immer so ...}

Ich habe dies kurz getestet und es schien zu funktionieren, abgesehen davon, dass Pandoc aufgrund eines GIF-Bildes im Dokument abstürzte

Dies taucht immer noch bei Google-Suchen auf, daher wollte ich Folgendes aufzeichnen: pandoc konnte docx nicht lesen, als diese Frage gestellt wurde (der Fehler stammt aus dem Versuch, eine Binärdatei zu lesen), aber seit Version 1.13 ist dies möglich, und es funktioniert a ziemlich gute Arbeit.