Khi tệp Word cần trở thành văn bản thuần có cấu trúc
Tài liệu thường khởi đầu trong Word: bản đặc tả do quản lý sản phẩm viết, chính sách do bộ phận pháp lý soạn, sách hướng dẫn do khách hàng bàn giao. Thế nhưng đích đến lại thường là một repository Git, một trình tạo trang tĩnh, một wiki, một cơ sở tri thức hay một ứng dụng ghi chú, và tất cả đều dùng Markdown. Sao chép rồi dán sẽ mất tiêu đề và danh sách, còn gõ lại bằng tay một tài liệu 20 trang thì mất hàng giờ.
Markdown cũng là định dạng tốt để lưu trữ và rà soát. Nó so sánh khác biệt gọn gàng trong hệ thống quản lý phiên bản, nên sau khi chuyển đổi một hợp đồng hay một tài liệu yêu cầu, bạn có thể theo dõi từng thay đổi sau này theo từng dòng, điều mà tệp .docx nhị phân không cho phép.
Cách chuyển đổi hoạt động
Tệp .docx là một tệp nén ZIP chứa các tệp XML. Công cụ mở nó trong trình duyệt, đọc phần thân tài liệu và trước tiên ánh xạ cấu trúc của Word sang HTML, sau đó biến HTML đó thành Markdown. Hai bước này dùng cùng quy tắc Markdown với công cụ chuyển HTML sang Markdown của trang, nên đầu ra từ hai công cụ trông nhất quán.
Những gì được giữ lại và cách chúng được viết:
- Tiêu đề trở thành
#đến######, mỗi cấp tương ứng một cấp tiêu đề Word từ 1 đến 6. - In đậm trở thành
**text**và in nghiêng trở thành_text_. - Danh sách gạch đầu dòng và đánh số trở thành danh sách
-và1., giữ cấp lồng nhau đến năm cấp. - Siêu liên kết trở thành
[text](url), kể cả liên kết đến trang bên ngoài. - Bảng trở thành bảng dạng pipe, với hàng đầu tiên làm tiêu đề.
- Chú thích cuối trang và chú thích cuối tài liệu được gom thành một danh sách đánh số ở cuối tài liệu, và mỗi tham chiếu trong văn bản trở thành liên kết đến chú thích tương ứng.
Đầu ra được dọn dẹp để giữa các khối không bao giờ có quá một dòng trống.
Vì sao tiêu đề đôi khi ra thành văn bản thường
Công cụ nhận diện tiêu đề theo kiểu đoạn văn (style), không theo vẻ ngoài. Một dòng định dạng bằng các kiểu tích hợp Heading 1 đến Heading 6 trở thành tiêu đề Markdown. Một dòng mà tác giả tự tay làm to và đậm thì, xét theo tệp, chỉ là một đoạn văn thường có chữ đậm, và nó ra thành **Introduction** thay vì ## Introduction.
Tiêu đề tài liệu cũng vậy. Kiểu Title của Word không phải kiểu tiêu đề mục, nên tiêu đề đặt bằng kiểu này sẽ trở thành đoạn văn thường. Nếu cấu trúc quan trọng, hãy sửa trong Word trước khi chuyển đổi: chọn dòng đó và áp dụng Heading 1 hoặc Heading 2 từ bộ sưu tập Styles. Một cách nhanh để kiểm tra tài liệu là Navigation Pane trong Word, nơi chỉ liệt kê các tiêu đề thật. Thứ gì không có ở đó cũng sẽ thiếu trong dàn ý Markdown.
Những gì bị bỏ lại
Markdown được thiết kế đơn giản có chủ đích, nên phần lớn bố cục của Word không có thứ tương ứng:
- Hình ảnh không được đưa vào, và một thông báo cho bạn biết bao nhiêu hình đã bị bỏ qua. Nhúng chúng dưới dạng văn bản base64 sẽ khiến tệp lớn hơn phần chữ gấp nhiều lần.
- Gạch chân, phông chữ, cỡ chữ và màu bị bỏ. Markdown không có cú pháp cho chúng.
- Chữ gạch ngang được giữ, nhưng không còn nét gạch.
- Đầu trang, chân trang, số trang và ngắt phần thuộc về bố cục trang, không thuộc nội dung, và không được chuyển đổi.
- Hộp văn bản và hình vẽ có thể bị mất hoặc xuất hiện sai chỗ, vì chúng nổi bên ngoài dòng chữ chính.
- Định dạng ô bảng bị làm phẳng thành văn bản thuần. Chữ đậm, liên kết hay danh sách trong một ô mất định dạng, và các đoạn của một ô nhiều đoạn bị gộp thành một dòng, đôi khi không có dấu cách giữa chúng.
Quy trình dọn dẹp thực tế
Markdown thường đã sẵn sàng đến 90 phần trăm. Một lượt rà ngắn sẽ sửa phần còn lại:
- Lướt qua các tiêu đề. Đảm bảo có một tiêu đề cấp cao nhất
#nếu trang của bạn yêu cầu, và các cấp không nhảy thẳng từ#sang###. - Kiểm tra các danh sách đánh số bị ngắt bởi một đoạn văn hoặc hình ảnh. Markdown có thể bắt đầu lại từ 1.
- Xem các bảng có ô gộp, vốn ra thành các hàng có số cột khác nhau, và chỉnh cho đều bằng tay.
- Thêm lại hình ảnh bằng cách xuất chúng từ Word, đặt tệp cạnh tệp .md và chèn
vào đúng chỗ. - Xem trước kết quả bằng chuyển Markdown sang HTML trước khi xuất bản.
Công cụ nhận tệp đến 50 MB, nhưng không nhận định dạng .doc nhị phân cũ. Tài liệu chỉ được đọc trong tab trình duyệt của bạn, nên bản nháp mật không bao giờ đến máy chủ.