Word 变成 Markdown 时留下了什么

把 .docx 拆开看，每个段落都带着一个样式名，旁边才是那堆格式。样式名是有意义的那部分 —— 标题 2、列表段落、引用 —— 格式只是 Word 今天恰好这么画而已。

转换器读前一件，扔掉后一件。一个标题 2 变成 ##，而不是一段带着字号的文字。这份 Markdown 落到哪儿，就跟着那边自己的标题样式走。

Markdown 里没有「字体」和「页边距」这两种语法，所以不存在一种能留住它们的转法。要页面长得一模一样，你要的是 PDF，不是 Markdown。

转之前只有这一件事值得在 Word 里做，而它决定了你拿到的是分好层的文档还是一大片段落。

你手动调大加粗的那一行，在文件里仍然是个普通段落，所以它转出来是段落。没有哪条规则能把「16pt 加粗」还原成 ##，又不顺手毁掉全文所有加粗强调的句子。

一到六级标题，从 Word 的样式来。Word 的「标题」和「副标题」样式也映射成 # 和 ##，因为它们说的就是这个意思。

粗体转 **，斜体转 _，删除线转 ~~。上标和下标保留成 <sup> 和 <sub> —— Markdown 没有这两种语法，而扔掉它们会改变一个公式或者一个脚注标记的意思。

链接、任意层数的有序和无序列表、「引用」和「明显引用」样式转成的引用块，以及「代码」「预格式化」样式的段落转成的围栏代码块。

字体、字号、颜色、突出显示、对齐、缩进、行距、分页符、页眉、页脚、页边距。全都是属于一张纸的排版，而 Markdown 不是一张纸。

下划线是最容易让人意外的一个。Markdown 没有下划线，而最接近的东西 —— 链接 —— 比什么都不做更糟，所以带下划线的文字出来是纯文字。

修订和批注会没：你拿到的是定稿，不是编辑过程。文本框、SmartArt、图表也留不下来，只有里面的文字（如果有）能留。Word 还会把它没能映射的样式告诉转换器，那些提示显示在输出上方，去重之后最多显示八条，后面跟一句一共还有多少条。

表格变成标准的竖线表格。格子里的竖线转义成 \|，这样一格里有根竖线不会把整行劈成两半；比最宽那行短的行会补齐，表格保持是个矩形。

合并单元格是例外，而且是硬的：Markdown 没有 colspan 和 rowspan。跨两列合并的格子留下它的文字，旁边多一个空格子。如果这些合并有意义，先在 Word 里拆掉 —— 很多时候它们只是为了把标题居中。

格子里的行内格式没问题 —— 粗体、斜体、代码、链接都行。块级的不行：一格里的项目符号列表出来是几项挤在一起，因为竖线表格的一行只能是一行。

老 .doc 文件是例外。那是 2007 年以前的二进制格式，在你的浏览器里一个字节一个字节读出来，图片完全没法恢复，精确的列表编号也一样。文字、标题、表格、粗体斜体是能转的，而且输出会说明它走了这条路，不用你自己猜。手边有 Word 的话，另存成 .docx 结果会干净得多。

还有一件值得知道：Word 里的超链接常带跟踪参数，从 Google 文档转存出来的文档还会把链接包在 google.com/url 跳转里。这两样都会被还原成真正的目标地址，而且输出会说 —— 改了一个链接指向哪里，是该说一声的事。