Latex2Word

目录

从 LaTeX 到 Word：一个自动化转换工具

LaTeX 常用于学术和技术领域的文档排版，尤其适用于公式输入和交叉引用；并且，作为纯文本文件，tex 格式文件容易进行内容迁移和版本控制。然而，日常工作中，不熟悉 LaTeX 的上级或同事常会要求提供 Word 文件，以便共同审阅和修改。为此开发了一个从 LaTeX 转换到 Word 的工具，以自动化这一流程。

仓库地址：Mingzefei/latex2word (github.com)

初衷、挑战和解决方案

项目的初衷很简单：我需要一个能够将 LaTeX 文档转换为 Word 文件的工具，不需要对 Word 进行严格的格式排版，但是需要排版成易读的格式，以及正确的图片导入和交叉引用。Pandoc 工具可以实现将 tex 格式文件转换为 docx 格式文件，但转换结果十分粗糙，尤其无法正确处理公式编号、交叉引用和多子图等问题。这意味着在每次使用 Pandoc 进行转换后，都需要手动调整 Word 文件的格式和引用，十分不便。

公式和交叉引用的处理

Pandoc-Crossref 作为 Pandoc 的第三方过滤器，可以很好地处理交叉引用，但是无法处理公式的引用（Equation numbering in MS Word · Issue）。 解决这一问题的关键在于使用 Lua 过滤器，利用 Constantin Ahlmann-Eltze 提供的脚本，有效处理了公式的编号和交叉引用。

多子图的处理

Pandoc 对 tex 文件中多子图的处理并不理想，一般无法正常导入多子图。为此，我在项目中先将 LaTeX 文件中的多子图代码转换成单个大图的 png 文件（提取成多个只有图片的 tex文件，并利用 LaTeX 自带的 convert 和 pdftocairo 进行编译），再用这些大图替换原始的多子图。从而实现了多子图的正常导入。

案例

待转换的 LaTeX 文件编译结果如下： image.png image.png

转换生成的 Word 文件如下： image.png image.png image.png

附录

核心的 pandoc 命令

pandoc texfile -o docxfile \
    --lua-filter resolve_equation_labels.lua \
    --filter pandoc-crossref \
    --reference-doc=temp.docx \
    --number-sections \
    -M autoEqnLabels \
    -M tableEqns \
    -M reference-section-title=Reference \
    --bibliography=ref.bib \
    --citeproc --csl ieee.csl

其中，

  1. --lua-filter resolve_equation_labels.lua 处理公式编号及公式交叉引用，受 Constantin Ahlmann-Eltze 的脚本启发；
  2. --filter pandoc-crossref 处理除公式以外的交叉引用；
  3. --reference-doc=my_temp.docx 依照 my_temp.docx 中的样式生成 Word 文件。仓库 Mingzefei/latex2word 提供了两个模板文件 TIE-temp.docx 和 my_temp.docx，前者是 TIE 期刊的投稿 Word 模板（双栏），后者是个人调整出的 Word 模板（单栏，且便于批注）；
  4. --number-sections 在（子）章节标题前添加数字编号；
  5. -M autoEqnLabels， -M tableEqns设置公式、表格等的编号；
  6. -M reference-sction-title=Reference 在参考文献部分添加章节标题 Reference；
  7. --biblipgraphy=my_ref.bib 使用 ref.bib 生成参考文献；
  8. --citeproc --csl ieee.csl 生成的参考文献格式为 ieee 。

参考资料

  1. Pandoc 官方文档
  2. Pandoc-crossref 官方文档
  3. Latex to Word conversion with pandoc | const-ae

后记

世界上有两种人，一种人会用 Latex，另一种人不会用 Latex。 后者常常向前者要 Word 版本文件。 因此有了如下一行命令。

pandoc input.tex -o output.docx\
  --filter pandoc-crossref \
  --reference-doc=my_temp.docx \
  --number-sections \
  -M autoEqnLabels -M tableEqns \
  -M reference-section-title=Reference \
  --bibliography=my_ref.bib \
  --citeproc --csl ieee.csl