解决PanDoc将docx转markdown时多余LF换行问题

方法一：Pandoc + Sed 组合处理 #

直接在Pandoc转换后用Sed清理多余格式，一步到位：

pandoc -s nis2.docx --wrap=none -t markdown | sed -e 's/^    //' -e 's/\t/ /g' -e ':a;N;$!ba;s/\n//g' | sed -e '$a\' > nis2.md

各部分作用：

• sed -e 's/^ //'：移除每行开头的4个空格缩进
• sed -e 's/\t/ /g'：将(1)后的制表符替换为单个空格（如果不需要空格可改为s/\t//g）
• sed -e ':a;N;$!ba;s/\n//g'：合并所有换行符，将内容转为单行
• sed -e '$a\'：确保文件末尾仅保留一个LF换行

方法二：Pandoc转纯文本后处理 #

如果Markdown格式的中间转换带来多余识别，可先转成纯文本再整理：

pandoc -s nis2.docx --wrap=none -t plain | awk '{printf "%s", $0} END {print ""}' > nis2.md

• -t plain：让Pandoc直接输出纯文本，避免生成Markdown列表缩进
• awk命令：将所有内容拼接成单行，最后添加一个LF换行

方法三：先预处理DOCX文件（可选） #

如果后续还要重复处理，可先手动整理DOCX文件再转换：

1. 打开nis2.docx，按Ctrl+H打开替换窗口
2. 查找内容输入\t（制表符），替换为 （单个空格，或直接留空）
3. 查找内容输入^p（段落符），替换为空（仅清理多余的，保留末尾一个）
4. 保存后执行原Pandoc命令，最后用awk '{printf "%s", $0} END {print ""}'合并单行

内容的提问来源于stack exchange，提问作者Richard Kranendonk