Konwertuj .docx na .pdf za pomocą pandoc

Próbuję przekonwertować .docx otrzymany pocztą na poprawny plik pdf za pomocą pandoc (używam GNU / Linux).

Mam błąd dotyczący kodowania znaków:

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

Próbowałem zidentyfikować kodowanie:

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

Jestem trochę zaskoczony charset=binary(spodziewałem się charset=iso8859-15). Jednak mimo to próbowałem przekonwertować .docx na utf8 i to nie działa:

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

Mam ten sam błąd w wierszu polecenia z dokumentacji pandoc :

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

Jak mogę przekonwertować ten .docx na pdf z pandoc?

W dokumentacji tutaj , .docxnie znajduje się na liście kompatybilnych wejścia :

Pandoc to biblioteka Haskell do konwersji z jednego formatu znaczników na inny oraz narzędzie wiersza poleceń, które korzysta z tej biblioteki. Odczytuje markdown i (podzbiory) Textile, reStructuredText, HTML, LaTeX, MediaWiki, Haddock, OPML i DocBook; i może pisać zwykły tekst, markdown, reStructuredText, XHTML, HTML 5, LaTeX (w tym pokazy slajdów), ConTeXt, RTF, OPML, DocBook, OpenDocument, ODT, Word docx, GNU Texinfo, znaczniki MediaWiki, EPUB (v2 lub v3 ), FictionBook2, Tekstylia, strony man groff, Emacs Org-Mode, AsciiDoc i Slidy, Slideous, DZSlides, ujawnić.js lub S5 HTML pokazy slajdów. Może również generować dane wyjściowe w formacie PDF w systemach, w których zainstalowany jest LaTeX.

Wypróbuj coś innego, na przykład Libreoffice - który może obsługiwać docx, pod warunkiem, że nie przeszkadza ci kilka błędów formatowania.

EDYTOWAĆ:

Opis mówi teraz, że Pandoc wydaje się teraz obsługiwać czytanie ze Word DOCX (a także DocBook i kilku innych formatów):

Pandoc to biblioteka Haskell do konwersji z jednego formatu znaczników na inny oraz narzędzie wiersza poleceń, które korzysta z tej biblioteki. Odczytuje markdown i (podzbiory) Textile, reStructuredText, HTML, LaTeX, MediaWiki, TWiki, Haddock, OPML, Emacs Org-mode, DocBook, txt2tags, EPUB i Word docx ; i umie pisaćzwykły tekst, znakowanie, reStructuredText, XHTML, HTML 5, LaTeX (w tym pokazy slajdów), ConTeXt, RTF, OPML, DocBook, OpenDocument, ODT, Word docx, GNU Texinfo, MediaWiki, DokuWiki, Haddock, EPUB (v2 lub v3), FictionBook2, Tekstylia, strony man groff, Emacs Org-Mode, AsciiDoc, InDesign ICML oraz pokazy slajdów Slidy, Slideous, DZSlides, discal.js lub S5 HTML. Może również generować dane wyjściowe w formacie PDF w systemach, w których zainstalowany jest LaTeX.

Jak sugeruje @evilsoup, może to działać:

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

_{Tak, możesz użyć polecenia libreoffice z --outdir, ale wyjście html nie zawsze działa w ten sposób ...}

Dałem ten szybki test i wydawało się, że działa, oprócz awarii Pandoc z powodu obrazu gif w dokumencie

To wciąż pojawia się przy wyszukiwaniu w Google, więc chciałem to zapisać: pandoc nie mógł odczytać docx, gdy zadano to pytanie (błąd pochodzi z próby odczytania pliku binarnego), ale od wersji 1.13 może, i robi całkiem dobra robota.