如何避免Pandoc将图片alt文本转为段落（docx转markdown时）

问题场景 #

将包含远程图片的Markdown转成DOCX，再转回Markdown时，图片的Alt文本会重复出现——一次是图片的Alt属性，另一次是单独的冗余段落。

解决方案 #

方法1：调整Pandoc转换参数

转回Markdown时，把原命令里的commonmark-raw_html格式替换为gfm（GitHub Flavored Markdown），并添加--wrap=none参数，避免额外的文本换行或冗余段落生成：

pandoc output.docx --extract-media=. -t gfm --wrap=none -o output.md

gfm格式对图片的处理更贴近原生Markdown逻辑，能减少DOCX转MD时的冗余元素。

方法2：用Lua过滤器过滤重复内容

如果方法1不生效，可以写一个简单的Lua过滤器自动删除重复段落：

1. 创建remove-duplicate-alt.lua文件，内容如下：

local last_image_alt = nil

function Image(img)
  last_image_alt = img.caption[1].text
  return img
end

function Para(para)
  if last_image_alt and para.content[1].text == last_image_alt then
    last_image_alt = nil
    return {} -- 删除该冗余段落
  end
  last_image_alt = nil
  return para
end

2. 转换时加载这个过滤器：

pandoc output.docx --extract-media=. -t commonmark-raw_html --lua-filter=remove-duplicate-alt.lua -o output.md

方法3：批量删除冗余文本（快速临时方案）

如果只有少量重复内容，直接用sed命令批量删除匹配的冗余段落（替换成你的Alt文本）：

sed -i '/^this is the image caption$/d' output.md

内容的提问来源于stack exchange，提问作者TomBen