使用pypandoc.convert_file将docx转txt时如何关闭表格列文本自动换行

调用pypandoc.convert_file时可以通过extra_args传入pandoc原生参数实现关闭自动换行，核心是添加--wrap=none参数，该参数会禁用pandoc纯文本输出默认的按固定宽度硬换行逻辑，不会再拆分跨行单词。

修改后的可直接运行代码如下：

f = 'some file.docx'
o = pypandoc.convert_file(
    f,
    'plain',
    outputfile='file.txt',
    extra_args=['--wrap=none']
)
assert o == '', o

参数说明 #

• pandoc输出纯文本时默认启用72字符宽度自动硬换行，用于适配终端阅读场景，这就是表格内单词被拆分、跨行列内容错位的直接原因。
• --wrap=none参数会关闭所有自动插入的硬换行，仅保留原文本身的段落、手动换行标记，输出效果和MS Word手动另存为无换行txt完全一致，不存在单词拆分问题，可直接用于程序解析。
• 若存在极长单行内容，可额外在extra_args中添加--columns=100000参数，将单行最大宽度阈值拉到足够大，避免极端场景下的意外换行。

内容的提问来源于stack exchange，提问作者SergL