Converter DOCX para Markdown online

Quando um arquivo do Word precisa virar texto puro com estrutura

Muita documentação nasce no Word: uma especificação escrita por um gerente de produto, uma política redigida pelo jurídico, um manual entregue por um cliente. O destino, porém, muitas vezes é um repositório Git, um gerador de sites estáticos, uma wiki, uma base de conhecimento ou um app de notas, e todos eles falam Markdown. Copiar e colar perde os títulos e as listas, e redigitar um documento de 20 páginas à mão leva horas.

O Markdown também é um bom formato para arquivamento e revisão. Ele gera diffs limpos no controle de versão, então, depois de converter um contrato ou um documento de requisitos, você consegue acompanhar cada alteração posterior linha por linha, algo que um arquivo .docx binário não permite.

Como a conversão funciona

Um arquivo .docx é um arquivo ZIP com arquivos XML dentro. O conversor o abre no seu navegador, lê o corpo do documento e primeiro mapeia a estrutura do Word para HTML; depois transforma esse HTML em Markdown. As duas etapas usam as mesmas regras de Markdown do conversor HTML para Markdown do site, então a saída das duas ferramentas fica coerente.

O que é aproveitado, e como é escrito:

• Títulos viram # a ######, um nível para cada nível de título do Word, de 1 a 6.
• Negrito vira **texto** e itálico vira _texto_.
• Listas com marcadores e numeradas viram listas com - e 1., com o aninhamento preservado em até cinco níveis.
• Hiperlinks viram [texto](url), inclusive links para sites externos.
• Tabelas viram tabelas com barras verticais (pipe tables), com a primeira linha usada como cabeçalho.
• Notas de rodapé e notas de fim são reunidas numa lista numerada no final do documento, e cada referência no texto vira um link para a sua nota.

A saída é limpa para que nunca haja mais de uma linha em branco entre os blocos.

Por que os títulos às vezes saem como texto comum

O conversor reconhece um título pelo estilo do parágrafo, não pela aparência. Uma linha formatada com os estilos internos Título 1 a Título 6 vira um título em Markdown. Uma linha que o autor deixou grande e em negrito à mão é, para o arquivo, um parágrafo comum com texto em negrito, e sai como **Introdução** em vez de ## Introdução.

O mesmo vale para o título do documento. O estilo Título do Word não é um estilo de título de seção, então um título definido com ele vira um parágrafo normal. Se a estrutura importa, corrija no Word antes de converter: selecione a linha e aplique Título 1 ou Título 2 na galeria de Estilos. Um jeito rápido de conferir o documento é o Painel de Navegação do Word, que lista só os títulos de verdade. O que estiver faltando ali também vai faltar na estrutura do Markdown.

O que fica de fora

O Markdown é simples de propósito, então boa parte do layout do Word não tem equivalente:

• Imagens não são incluídas, e um aviso informa quantas foram descartadas. Incorporá-las como texto base64 deixaria o arquivo muitas vezes maior que o próprio texto.
• Sublinhado, fonte, tamanho e cor são descartados. O Markdown não tem sintaxe para eles.
• Texto tachado é mantido, mas sem as marcas de tachado.
• Cabeçalhos, rodapés, números de página e quebras de seção pertencem ao layout da página, não ao conteúdo, e não são convertidos.
• Caixas de texto e formas podem se perder ou aparecer fora do lugar, porque flutuam fora do fluxo principal do texto.
• A formatação das células de tabela é achatada em texto puro. Negrito, links ou listas dentro de uma célula perdem a formatação, e os parágrafos de uma célula com vários parágrafos são unidos numa linha só, às vezes sem espaço entre eles.

Uma rotina prática de limpeza

O Markdown normalmente sai 90 por cento pronto. Uma passada rápida resolve o resto:

1. Revise os títulos. Garanta que haja um único título de nível superior #, se o seu site exigir, e que os níveis não pulem de # direto para ###.
2. Confira listas numeradas que foram interrompidas por um parágrafo ou uma imagem. O Markdown pode recomeçar a numeração em 1.
3. Olhe as tabelas com células mescladas, que chegam como linhas com número diferente de colunas, e acerte-as à mão.
4. Coloque as imagens de volta exportando-as do Word, deixando os arquivos ao lado do arquivo .md e inserindo ![descrição](image.png) onde elas devem ficar.
5. Visualize o resultado com o Markdown para HTML antes de publicar.

São aceitos arquivos de até 50 MB; o antigo formato binário .doc não é aceito. O documento é lido apenas na aba do seu navegador, então rascunhos confidenciais nunca chegam a um servidor.