LaTeX 转 Word DOCX 完整指南:Pandoc 原生公式、文献引用与期刊样式配置

将 LaTeX 论文转为 Word DOCX 时,引用丢失、宏包报错和公式坍塌是常见痛点。本文系统拆解 Pandoc 转换命令行、原生 OMML 数学公式生成机制及合作者修改后的引用格式切换方案。

HumanPen 团队

· 9 分钟

如何将 LaTeX 转换为保留公式、引用与样式的 Word DOCX 文档

将 LaTeX 论文转换为规范的 Word DOCX 文件,需要运行包含引用解析与样式模板的完整 Pandoc 命令:`pandoc main.tex --citeproc --bibliography=refs.bib --csl=ieee.csl --reference-doc=custom-reference.docx -o paper.docx`。省略参数的简易转换无法解析文献引用,会将不支持的宏包作为原生 TeX 丢弃,并套用未排版的 Word 默认样式。Pandoc 会将 LaTeX 公式编译为 Word 原生可编辑的 OMML 公式,但输出的引用为静态文本而非文献管理软件的动态域代码。

计算机科学、物理学、经济学与生物医学工程等领域的研究人员经常遇到类似难题:合作导师、临床医学合作者或目标期刊投稿系统不接受 PDF 稿件,明确要求提交可编辑的 Microsoft Word(`.docx`)文稿。直接运行基础命令 `pandoc main.tex -o paper.docx` 往往会导致灾难性的排版后果:文内引用键变成未解析的问号或原始代码,导言区自定义宏命令失效,三线表失去边框与间距,复杂浮动体环境甚至直接在正文中消失。深入掌握 Pandoc 的底层编译流水线、样式参考模板配置方法以及转换后的排版维护技巧,能够确保生成的文档完全符合出版规范,避免耗费数天时间在 Word 中手工重排。

Pandoc 的 AST 架构:为什么简易转换会丢失引用并默认回退到芝加哥格式

Pandoc 的底层运转基于高度模块化的“读取器 → 抽象语法树(AST)→ 写入器”(Reader → AST → Writer)架构,而非完整的 TeX 排版引擎。在解析 LaTeX 文档时,Pandoc 的 LaTeX 读取器首先将 `.tex` 源码解析为跨格式通用的抽象语法树节点,用来表征各级标题、段落、强调、数学公式与引用占位符;随后由 DOCX 写入器将这套抽象节点翻译为 Word 的 OpenXML 标记。由于 Pandoc 在基础读取阶段既不执行任意的底层 TeX 宏展开,也不会自动调用外部的 BibTeX 工具,因此在运行类似 `pandoc paper.tex -o paper.docx` 的极简命令时,AST 树中的引用节点根本无法获得参考文献数据库的解析指令。

"-C, --citeproc: Process the citations in the file, replacing them with rendered citations and adding a bibliography. Citation processing will not take place unless bibliographic data is supplied, either through an external file specified using the --bibliography option or the bibliography field in metadata, or via a references section in metadata containing a list of citations in CSL YAML format with Markdown formatting. The style is controlled by a CSL stylesheet specified using the --csl option or the csl field in metadata. (If no stylesheet is specified, the chicago-author-date style will be used by default.)"(-C, --citeproc:处理文件中的引用,将其替换为已排版完成的引用并添加参考文献列表。除非通过 --bibliography 选项指定外部文件、在元数据中提供 bibliography 字段,或在元数据的 references 节中提供包含 Markdown 格式的 CSL YAML 引用列表,否则不会执行引用处理。引用样式由使用 --csl 选项指定的 CSL 样式表或元数据中的 csl 字段控制。如果未指定样式表,默认使用 chicago-author-date 样式。)

要让引用正常渲染,必须显式附加 `-C` 或 `--citeproc` 选项,并搭配 `--bibliography=refs.bib` 参数。许多习惯在本地编译 LaTeX 的作者容易误传 `--natbib` 或 `--biblatex` 参数,但正如 Pandoc 官方用户手册所明确指出的,`--natbib` 与 `--biblatex` 仅用于生成面向 BibTeX 或 Biber 编译的 `.tex` 输出文档,在导出 `.docx` 时完全不具备引用排版功能。此外,如果启用了 `--citeproc` 却未指定 `--csl` 样式表,Pandoc 会静默回退至芝加哥著者-出版年格式(`chicago-author-date`)。对于投递 IEEE、ACM 或医学温哥华格式等顺序编码制期刊的稿件,缺少 Citation Style Language(`.csl`)样式文件会导致整篇文稿的方括号数字引用全部被强行替换为著者年括号注。

原生公式、宏命令与原生 TeX:哪些能转为 Word OMML,哪些会被直接丢弃

在导出 Microsoft Word 文档时,Pandoc 最显著的技术优势在于其公式转换能力。与许多将 TeX 数学表达式栅格化为模糊位图或嵌入陈旧 MathType 对象的转换工具不同,Pandoc 会将标准 LaTeX 数学环境直接编译为微软原生的“Office 数学标记语言”(OMML,Office Math Markup Language)。当用户在 Word 中打开生成的 `.docx` 文件时,行内公式(`$...$`)与独立行间公式(`[...]` 或 `\begin{equation}`)均呈现为可自由编辑的原生公式对象,完全契合 Word 的字体排印与缩放度量。与此同时,Pandoc 借助其内置的 `latex_macros` 扩展,能够识别导言区中通过标准 `\newcommand` 与 `\renewcommand` 定义的数学宏,并将其准确展开至整篇论文的公式之中。

"Inline LaTeX is ignored in output formats other than Markdown, LaTeX, Emacs Org mode, and ConTeXt."(行内 LaTeX 在除 Markdown、LaTeX、Emacs Org 模式和 ConTeXt 之外的输出格式中均会被忽略。)

然而,由于 Pandoc 的 AST 属于通用抽象文档模型,任何无法映射至通用节点树的底层 TeX 图元、特殊宏包扩展或高度定制的版式命令,都会被自动判定为原生 TeX 代码(`raw_tex`)。在输出目标为 `.docx` 时,Pandoc 会直接将这些无法解析的代码块彻底忽略丢弃。因此,在执行转换之前,作者必须对 LaTeX 源码进行预先清理,用通用排版方式替代专属宏包。

LaTeX 元素类型Pandoc 底层处理机制Word DOCX 中的呈现结果推荐的预处理与替代方案
标准数学公式(`amsmath`、`\frac`、`\sum`)由 `texmath` 模块准确解析为 AST 数学节点Word 中原生、可直接编辑的 OMML 公式对象保持标准 TeX 数学写法,避免使用小众数学宏包
导言区自定义宏(`\newcommand`、`\renewcommand`)由 `latex_macros` 扩展在全文范围内递归展开成功计算并映射至对应的 AST 文本或公式节点将宏定义统一置于主文件导言区或单独包含文件中
矢量绘图宏包(`tikz`、`pgfplots`、`pstricks`)无法映射为通用 AST 图形,归入 `raw_tex`在 DOCX 中完全丢失,图表内容直接留空预先在本地编译为 PDF、SVG 或 PNG 矢量图后插入
专用排版浮动体(`algorithm2e`、`listings`)宏包私有语法无法被 AST 识别,判定为 `raw_tex`排版结构塌陷,代码或伪代码缩进丢失跑位转换为 Word 兼容的标准表格或固定行内纯文本块
文档类与期刊样式(`\documentclass`、`.cls`、`.sty`)页面布局与字体度量指令无法映射至 AST文档内容直接落入 Word 默认的无样式正文模板通过 `--reference-doc` 传入包含期刊样式的模板文件

要在转换出的 Word 文档中实现符合目标期刊规范的页边距、行间距、字体族与多级标题编号,不能依靠 `.tex` 导言区中的格式指令,而应使用 Pandoc 的 `--reference-doc` 样式模板机制。作者可以通过运行 `pandoc -o custom-reference.docx --print-default-data-file reference.docx` 命令导出 Pandoc 的默认样式文件;接着在 Word 中打开 `custom-reference.docx`,修改其中的 `Normal`(正文)、`Heading 1`(标题 1)、`Caption`(题注)等段落样式,设定页面尺寸与页边距,配置页眉与页脚,最后保存模板。在执行转换时附带 `--reference-doc=custom-reference.docx` 参数,Pandoc 便会自动忽略该模板中的正文示例内容,将其样式表与页面属性完整应用到新生成的文档中。

静态文本陷阱:为什么 Pandoc 无法导出 Zotero 或 EndNote 动态域代码

学术团队在将 LaTeX 转换为 Word 后遇到的最严峻工作流陷阱,在于 Pandoc 输出的文献引用本质上是纯静态文本。这一现象源于 Pandoc 在处理 OpenXML 文档时存在的单向不对称机制:在输入读取时支持文献管理软件的动态插件域,但在输出生成时仅支持渲染静态字符。

"When citations is enabled in docx, citations inserted by Zotero or Mendeley or EndNote plugins will be parsed as native pandoc citations. (Otherwise, the formatted citations generated by the bibliographic software will be parsed as regular text.)"(当在 docx 中启用 citations 扩展时,由 Zotero、Mendeley 或 EndNote 插件插入的引用将被解析为原生 pandoc 引用。(否则,由文献管理软件生成的已排版引用将被解析为普通文本。))

在读取外部 Word 文档时,Pandoc 的 `docx+citations` 扩展能够深入解析由 Zotero、Mendeley 或 EndNote 插件生成的动态域代码,并将其转换为 AST 原生引用节点。然而,在反向将 AST 写入 `.docx` 时,`--citeproc` 引擎的处理逻辑是将引用节点直接替换为排版完成的普通内联文字(如方括号编号 `[1]` 或著者年字符串),并在文档末尾追加静态的参考文献列表段落。输出的 OpenXML 中没有任何与文献管理数据库挂钩的动态域代码(`w:fldSimple` 或 `w:instrText`)。正如我们在关于Word 域代码与长文档排版维护的指南以及对机构审查下的 Overleaf LaTeX 写作流的探讨中所强调的,在 Word 中点击 Zotero 或 EndNote 工具栏上的 `Refresh` 或更改样式按钮,根本无法识别或更新 Pandoc 生成的任何引用内容。

合作者修改 Word 稿件后如何切换引用格式

当文稿进入多作者协同修改阶段时,静态引用的弊端会集中显现。一旦 LaTeX 论文被转换为 Word 格式并分发给课题组导师、临床医学合作者或外部专家,合作团队通常会在 Word 内部直接开启审阅模式,留存大量的修订标记、批注评论、段落重写与新增文献。如果文稿随后遭遇退稿转投,或者需要从 APA 著者年格式切换为 IEEE 顺序编码制,作者绝不能轻易退回原始 LaTeX 源码重新编译,否则合作者数周内累积的所有审阅批注与文字修改都将彻底付诸东流。而在包含上百条引用的 Word 长文档中手动修改编号顺序与文末条目,极易引发编号跳错与文献错位。

针对转换后进入多方审阅周期的学术文档,HumanPen 支持处理 .docx 文件,协助作者在保留合作者文本修改的前提下调整引用格式。将文内引用与参考文献列表转换为目标格式,正文保持不变。该引擎在设计上尽量保留格式、表格、图片、引用和公式,支持在 APA、MLA、Chicago、IEEE、Vancouver 及 GB/T 7714 等主流学术规范之间转换文内引注与文后列表。

  • 预先审查宏定义与专用环境:检查导言区数学缩写是否全部采用标准 `\newcommand` 声明,并在转换前将 `tikz` 矢量图或 `algorithm2e` 算法浮动体编译为独立图片或标准三线表。
  • 显式指定 citeproc 与 CSL 参数:执行转换时严格采用显式参数组合,例如 `pandoc main.tex --citeproc --bibliography=refs.bib --csl=ieee.csl --reference-doc=custom-reference.docx -o paper.docx`,切勿使用 `--natbib` 或基础命令。
  • 核验原生 OMML 公式编辑状态:在 Word 中打开生成的 `.docx` 文档并随机双击数个公式,确认其激活了 Word 的公式工具且处于可编辑状态,而非被降级为静态乱码或普通文本。
  • 检查样式模板继承效果:核对正文字体、段落行距、图表题注及多级标题外观,确保 `--reference-doc` 模板成功覆盖了 Word 默认的空白样式与页边距配置。
  • 协同修订阶段的引用同步维护:对合作者在 Word 中新插入的手工引注文句保持密切跟踪,确保转投换刊时全篇文内标注与文末参考文献条目保持严格的一对一对应。

常见问题解答

为什么运行基础命令 `pandoc main.tex -o paper.docx` 后文献引用全变成了问号或原始代码? Pandoc 采用严格的模块化架构,核心 LaTeX 读取器只负责构建抽象语法树,不会自动调用外部文献工具。要解析 BibTeX 引用,必须显式传入 `-C` 或 `--citeproc` 开关并指定 `--bibliography=yourfile.bib` 路径。如果未启用 `--citeproc`,Pandoc 会将文档中的 `\cite{key}` 指令当作普通的未解析文本节点处理,从而在生成的 Word 文档中留下未展开的引用键或空白占位符。

Pandoc 能否在导出的 Word DOCX 文档中生成 Zotero 或 EndNote 的动态域代码? 不能。尽管 Pandoc 的 `docx+citations` 扩展在从 Word 向其他格式转换时能够读取并解析 Zotero、Mendeley 和 EndNote 的动态插件域代码,但其 DOCX 写入器在输出端并不支持生成动态 OpenXML 域结构。`--citeproc` 引擎会将所有引用节点直接替换为排版好的纯静态字符,并在文末追加普通的纯文本参考文献。在 Word 中点击 Zotero 或 EndNote 插件的 `Refresh` 按钮将无法识别这些引用。

Pandoc 如何在导出的 Word 文档中呈现 LaTeX 数学公式? Pandoc 会将 LaTeX 数学环境直接编译为微软官方的“Office 数学标记语言”(OMML)对象。在 Word 或 PowerPoint 中打开文档时,行内公式与独立公式均呈现为原生的可编辑公式,而非位图图像、MathType 对象或矢量轮廓。包括 `equation`、`align` 和 `gather` 在内的标准 `amsmath` 环境均能得到精确转换,但依赖小众第三方宏包的冷门重排语法可能需要预先简化。

如何让 Pandoc 导出的 Word 文档自动应用目标期刊的页边距、字体与标题格式? 用户需要使用 `--reference-doc` 参数指定自定义样式模板。首先通过运行 `pandoc -o custom-reference.docx --print-default-data-file reference.docx` 命令导出默认模板;在 Word 中打开该文件,根据期刊投稿指南修改 Normal 正文、Heading 标题及 Caption 题注等段落样式,并设置页边距与页面尺寸;保存后在转换命令中加入 `--reference-doc=custom-reference.docx`,Pandoc 便会将样式规则全面应用于生成的文稿中。

参考来源

继续阅读