Konwerter Word na Markdown: prawdziwe mapowanie, nie zgadywanie
Zmień rozszerzenie dowolnego pliku .docx na .zip i otwórz go. W środku
znajdziesz drzewo folderów: word/document.xml trzyma treść, word/styles.xml
definiuje style, word/media/ przechowuje każdy osadzony obraz, a obok leżą
footnotes.xml i comments.xml. Plik .docx nie jest obrazkiem strony. To
ustrukturyzowany dokument XML w kontenerze zip.
To ma ogromne znaczenie dla jakości konwersji. Zamiana PDF-a na Markdown oznacza wnioskowanie
struktury z rozmiarów czcionek i współrzędnych. Zamiana Worda na Markdown oznacza odczytanie
struktury, która jest już zadeklarowana. Akapit oznaczony w:pStyle="Heading2" staje się
##, bo plik dosłownie mówi, że to nagłówek drugiego poziomu. Dlatego konwerter
docx na Markdown daje zwykle czystszy wynik niż ten sam dokument wyeksportowany do PDF-a
i konwertowany stamtąd. Wgraj plik powyżej i zobacz — za darmo, bez rejestracji, limit 50 MB, nic nie
jest przechowywane.
Style kontra formatowanie ręczne: jedna rzecz, która przesądza o wyniku
W Wordzie są dwa sposoby, żeby tekst wyglądał jak nagłówek — i nie są równoważne.
Zastosowanie stylu — kliknięcie „Nagłówek 1" na wstążce — zapisuje w XML-u etykietę
semantyczną. Konwerter czyta tę etykietę i emituje #. Formatowanie ręczne —
zaznaczenie linii, podbicie do 16 pt, wciśnięcie pogrubienia — zapisuje tylko właściwości wizualne.
Nigdzie w pliku nie ma „to jest nagłówek", bo z punktu widzenia Worda to zwykły akapit, który akurat
jest duży i pogrubiony. Konwertuje się do pogrubionej linii zwykłego tekstu, a twój dokument przychodzi
w Markdownie jako jedna płaska ściana bez sekcji.
Jeśli twój wynik wygląda na strukturalnie pusty, to prawie zawsze ten powód, a naprawa siedzi w dokumencie źródłowym. Otwórz panel Style, nadaj tytułom sekcji prawdziwe style nagłówków, zapisz, przekonwertuj jeszcze raz. Pięć minut pracy, które odmienia rezultat — a przy okazji poprawia sam dokument Worda, bo zaczynają działać panel nawigacji i automatyczny spis treści.
Śledzone zmiany, komentarze i przypisy
Większość prawdziwych dokumentów Worda przeszła przez kilka osób i nosi tego ślady. Oto co dzieje się z każdą warstwą:
- Śledzone zmiany żyją w XML-u jako fragmenty
w:insiw:delopakowane wokół dotkniętego tekstu. Konwersja sprowadza dokument do stanu po akceptacji: wstawki zostają, usunięcia wylatują. Jeśli historia rewizji zespołu prawnego ma dla ciebie znaczenie, ta historia znika — przekonwertuj osobno wersję przed i po, i porównaj oba wyniki diffem. - Komentarze siedzą w osobnej części archiwum i są zakotwiczone do zakresów w treści. Nie są treścią, więc nie pojawiają się w wyniku konwersji. Przydatne, gdy marginesowa paplanina to szum; problem, gdy to właśnie uwagi z recenzji są tym, co chcesz streścić.
- Przypisy dolne i końcowe też mieszkają we własnych częściach. Generalnie przechodzą jako tekst, ale odczepione od dokładnego punktu zakotwiczenia, bo bazowa specyfikacja Markdowna nie ma natywnej składni przypisów. Sprawdź ogon wyniku, jeśli cytowania są ważne.
- Nagłówki, stopki i numery stron są wycinane. Markdown nie ma stron, a powtarzające się ozdobniki i tak są szumem w kontekście AI.
- Pola — automatyczna numeracja, odsyłacze, wygenerowany spis treści — konwertują się do swojej ostatnio wyrenderowanej wartości, nie do żywych odwołań.
Bezpieczny nawyk: Recenzja → Zaakceptuj wszystkie zmiany, potem Zapisz jako kopię, potem konwertuj. Wiesz dokładnie, z jakim tekstem pracujesz.
Tabele, obrazy i miejsce, w którym Markdownowi kończy się przestrzeń
Tabele Worda to prawdziwe siatki — wiersze i komórki zadeklarowane w XML-u, a nie kolumny tekstu, które akurat wizualnie się wyrównują. Mapują się więc czysto na tabele Markdowna z kresek pionowych, co jest najmocniejszym pojedynczym argumentem za wyborem Markdowna zamiast płaskiego tekstu, gdy dokument ma jakiekolwiek treści tabelaryczne.
Wyjątkiem są scalone komórki. Tabele Markdowna nie mają rowspanów ani colspanów, więc komórka nagłówka rozciągnięta na trzy kolumny musi zostać jakoś spłaszczona, a złożone zagnieżdżone tabele wychodzą przybliżone, nie dokładne. Proste siatki konwertują się perfekcyjnie; układy w stylu faktury ze scalonymi wierszami nagłówkowymi wymagają rzutu oka, zanim im zaufasz.
Osadzone obrazy to twardsze ograniczenie. Piksele siedzą w word/media/, ale konwersja
tekstowa produkuje tekst — odwołanie do obrazu, nie obrazek, a już na pewno nie słowa w jego środku.
Jeśli kluczowy diagram dokumentu to zrzut ekranu tabeli, ta treść jest dla konwersji niewidzialna.
Wyeksportuj obraz osobno i przepuść go przez
obraz na Markdown — albo
lepiej: przed konwersją odbuduj go jako prawdziwą tabelę Worda.
.doc i .docx to nie ten sam format
Dzielą trzy litery i prawie nic poza tym. .docx przyszedł z Office 2007 i jest Open XML —
opisanym wyżej zipem z XML-ami, jawnie wyspecyfikowanym i prostym do parsowania. Stary
.doc to binarny plik złożony: miniaturowy system plików ze strumieni, przez dekady
odtwarzany inżynierią wsteczną, ze strukturami zależnymi od wersji Worda, która je zapisała.
Praktyczny wniosek: konwersja .docx jest niezawodna, konwersja .doc — na tyle, na ile się da. Jeśli stary plik daje dziwne wyniki, otwórz go w Wordzie albo LibreOffice, zapisz jako .docx i konwertuj to. Kosztuje trzydzieści sekund i usuwa całą kategorię problemów. To samo dotyczy plików RTF, które są jeszcze starsze i niosą jeszcze mniej struktury semantycznej.
Markdown czy zwykły tekst? Wybierz według tego, co robisz dalej
Wybierz Markdown, gdy kształt dokumentu niesie znaczenie. Specyfikacja wymagań z zagnieżdżonymi numerowanymi klauzulami, polityka ze zdefiniowaną hierarchią sekcji, oferta pełna tabel z cenami, dokumentacja techniczna z próbkami kodu — w każdym z tych przypadków struktura jest informacją. Zapytaj model o „produkty do dostarczenia z sekcji 3", a sekcja 3 musi istnieć jako jednostka.
Wybierz Word na zwykły tekst, gdy chcesz słów i niczego więcej — karmienia klasyfikatora, budowania embeddingów, indeksowania pod wyszukiwanie albo diffowania dwóch rewizji linia po linii. Składnia Markdowna to w tych pipeline'ach martwy balast.
Przełącznik u góry strony przełącza między obydwoma i przenosi wybrany plik, więc możesz wygenerować oba i porównać bez wgrywania dwa razy. Licznik tokenów pod wynikiem mówi ci, ile rezultat będzie kosztował w oknie kontekstu modelu, zanim gdziekolwiek go wkleisz.
Najczęstsze pytania
Jak przekonwertować DOCX na Markdown?
Wgraj plik powyżej i skopiuj Markdown albo pobierz go jako .md. Działa z .docx i starszym .doc, 50 MB na plik, za darmo i bez konta. Style nagłówków mapują się na poziomy #, pogrubienie i kursywa przeżywają jako ** i *, a listy zachowują zagnieżdżenie.
Czy moje nagłówki faktycznie przejdą?
Tylko jeśli były prawdziwymi nagłówkami. Dokument, w którym autor używał stylów Nagłówek 1 i Nagłówek 2, konwertuje się w czysty konspekt z # i ##. Dokument, w którym ktoś ręcznie zrobił tekst duży i pogrubiony, nie ma w sobie zapisanej żadnej informacji o nagłówkach — w Wordzie wygląda identycznie, a konwertuje się do zwykłych akapitów, bo nie ma tam czego odczytać.
Czy to wystarczy do przeniesienia dokumentów Worda na stronę z dokumentacją?
Zawiezie cię przez większość drogi. Proza, nagłówki, listy i proste tabele konwertują się na tyle czysto, żeby je scommitować. Co potem wymaga ludzkiej ręki: osadzone obrazy, złożone tabele ze scalonymi komórkami, równania i każde niestandardowe stylowanie, które niosło znaczenie zwyczajowo, a nie strukturalnie.
A co z równaniami i osadzonymi obrazami?
Równania nie przeżywają jako LaTeX ani MathML, a obrazy nie są wypakowywane do folderu z zasobami — wynikiem jest tekst i struktura. Przy dokumentach, w których matematyka jest treścią, licz się z ponownym napisaniem tych bloków. Warto to wiedzieć, zanim przekonwertujesz sto plików i odkryjesz to przy dziewięćdziesiątym.
Word na Markdown czy Word na tekst?
Markdown, jeśli dokument ma konspekt wart zachowania albo zmierza gdzieś, gdzie Markdown jest renderowany — do repozytorium, wiki, promptu dla LLM-a. Zwykły tekst, jeśli miejsce docelowe parsuje słowa, a nie formatowanie — co obejmuje większość pipeline'ów indeksowania i embeddingów.
Reszta zestawu narzędzi
Word to jeden z trzynastu obsługiwanych tu formatów. File2Txt przyjmie każdy z nich z jednego uploadu, albo skocz od razu do PDF na Markdown, PowerPoint na Markdown dla prezentacji, albo Excel na Markdown dla arkuszy. Masz folder mieszanych dokumentów? Spakuj go i użyj ZIP na Markdown, żeby przekonwertować wszystko w środku za jednym podejściem.
Dla kodu i treści z sieci jest konwerter GitHub na tekst, odpowiednik dla GitLaba, konwerter katalogu lokalnego oraz Web2Txt do zeskrobywania stron do Markdowna. Przewodnik po przygotowywaniu dokumentów dla LLM-ów wchodzi głębiej w to, po co to wszystko.
Repo2Txt tworzy i utrzymuje v12hero, niezależny deweloper budujący natywne i webowe aplikacje z poszanowaniem prywatności.