Konversikan .docx ke .pdf dengan pandoc

Saya mencoba untuk mengkonversi .docx yang diterima melalui pos ke pdf yang benar dengan menggunakan pandoc (saya menggunakan GNU / Linux).

Saya memiliki kesalahan terkait pengkodean karakter:

$ pandoc file.docx -o file.pdf
pandoc: Cannot decode byte '\x87': Data.Text.Encoding.decodeUtf8: Invalid UTF-8 stream

Saya mencoba mengidentifikasi penyandian:

$ file -i file .docx 
file.docx: application/vnd.openxmlformats-officedocument.wordprocessingml.document; charset=binary

Saya sedikit terkejut dengan charset=binary(saya mengharapkan charset=iso8859-15). Namun saya mencoba untuk mengkonversi .docx ke utf8 dan tidak berfungsi:

 $ iconv -t utf-8 file.docx
P!      $iconv: séquence d'échappement non permise à la position 16

Saya memiliki kesalahan yang sama dengan baris perintah dari dokumentasi pandoc :

iconv -t utf-8 file.docx | pandoc | iconv -f utf-8

Bagaimana saya bisa mengkonversi .docx ini ke pdf dengan pandoc?

Dalam dokumentasi di sini , .docxtidak terdaftar sebagai input yang kompatibel :

Pandoc adalah pustaka Haskell untuk mengkonversi dari satu format markup ke format lainnya, dan alat baris perintah yang menggunakan pustaka ini. Ia dapat membaca markdown dan (subset dari) Tekstil, reStructuredText, HTML, LaTeX, markup MediaWiki, markup Haddock, OPML, dan DocBook; dan dapat menulis teks biasa, markdown, reStructuredText, XHTML, HTML 5, LaTeX (termasuk beamer slide shows), ConTeXt, RTF, OPML, DocBook, OpenDocument, ODT, Word docx, GNU Texinfo, markup MediaWiki, EPUB (v2 atau v3 ), FictionBook2, Tekstil, halaman manual groff, Emacs Org-Mode, AsciiDoc, dan Slidy, Slideous, DZSlides, reve.js atau slide show S5 HTML. Itu juga dapat menghasilkan output PDF pada sistem di mana LaTeX diinstal.

Cobalah sesuatu yang lain, seperti Libreoffice - yang dapat melakukan docx, selama Anda tidak keberatan dengan beberapa kesalahan pemformatan.

EDIT:

Deskripsi sekarang mengatakan bahwa Pandoc sekarang tampaknya mendukung pembacaan dari Word DOCX (serta DocBook dan beberapa format lainnya):

Pandoc adalah pustaka Haskell untuk mengkonversi dari satu format markup ke format lainnya, dan alat baris perintah yang menggunakan pustaka ini. Ia dapat membaca markdown dan (subset dari) Tekstil, reStructuredText, HTML, LaTeX, markup MediaWiki, markup TWiki, markup Haddock, OPML, Emacs Org-mode, DocBook, txt2tags, EPUB dan Word docx ; dan itu bisa menulisteks biasa, markdown, reStructuredText, XHTML, HTML 5, LaTeX (termasuk beamer slide shows), ConTeXt, RTF, OPML, DocBook, OpenDocument, ODT, Word docx, GNU Texinfo, markup MediaWiki, markup DokuWiki, markah Haddock, EPUB (v2B2) atau v3), FictionBook2, Tekstil, halaman manual groff, Emacs Org-Mode, AsciiDoc, InDesign ICML, dan Slidy, Slideous, DZSlides, mengungkapkan.js atau slide show S5 HTML. Itu juga dapat menghasilkan output PDF pada sistem di mana LaTeX diinstal.

Seperti yang disarankan @evilsoup, ini mungkin berhasil:

cd /DIRECTORY/WITH/FILE/IN && libreoffice --headless --convert-to html 'FILE.docx' && pandoc 'FILE.html' -o 'FILE.pdf'

_{Ya, Anda dapat menggunakan perintah libreoffice dengan --outdir, tetapi output html tidak selalu bekerja seperti itu ...}

Saya memberikan tes cepat ini, dan tampaknya berhasil, selain Pandoc menabrak karena gambar gif dalam dokumen

Ini masih muncul pada pencarian google jadi saya ingin mencatat ini: pandoc tidak dapat membaca docx ketika pertanyaan ini diajukan (kesalahannya adalah ketika mencoba membaca file biner) tetapi karena versi 1.13 dapat, dan ia melakukan pekerjaan yang cukup bagus.