Конвертировать .docx в .pdf с помощью pandoc

Я пытаюсь преобразовать .docx, полученный по почте, в правильный pdf с помощью pandoc (я использую GNU / Linux).

У меня есть ошибка, связанная с кодировкой символов:

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

Я попытался определить кодировку:

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

Я немного удивлен charset=binary(я ожидал charset=iso8859-15). Однако я все равно попытался преобразовать .docx в utf8, и он не работает:

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

У меня та же ошибка с командной строкой из документации pandoc :

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

Как я могу преобразовать этот .docx в pdf с помощью pandoc?

В документации здесь , .docxне перечислен как совместимый вход :

Pandoc - это библиотека Haskell для преобразования из одного формата разметки в другой и инструмент командной строки, который использует эту библиотеку. Он может читать разметку и (подмножество) текстиля, reStructuredText, HTML, LaTeX, разметки MediaWiki, разметки Haddock, OPML и DocBook; и он может писать простой текст, разметку, reStructuredText, XHTML, HTML 5, LaTeX (включая слайд-шоу проектора), ConTeXt, RTF, OPML, DocBook, OpenDocument, ODT, Word docx, GNU Texinfo, разметку MediaWiki, EPUB (v2 или v3) ), FictionBook2, Текстиль, справочные страницы groff, Emacs Org-Mode, AsciiDoc и Slidy, Slideous, DZSlides, reve.js или HTML-слайд-шоу S5. Он также может выводить PDF в системах, где установлен LaTeX.

Попробуйте что-нибудь еще, например Libreoffice - который может делать docx, если вы не возражаете против нескольких ошибок форматирования.

РЕДАКТИРОВАТЬ:

Теперь в описании говорится, что теперь Pandoc поддерживает чтение из Word DOCX (а также DocBook и некоторых других форматов):

Pandoc - это библиотека Haskell для преобразования из одного формата разметки в другой и инструмент командной строки, который использует эту библиотеку. Он может читать разметку и (подмножества) текстиля, reStructuredText, HTML, LaTeX, разметки MediaWiki, разметки TWiki, разметки Haddock, OPML, Emacs Org-mode, DocBook, txt2tags, EPUB и Word docx ; и это можно написатьпростой текст, разметка, reStructuredText, XHTML, HTML 5, LaTeX (включая слайд-шоу проектора), ConTeXt, RTF, OPML, DocBook, OpenDocument, ODT, Word docx, GNU Texinfo, разметка MediaWiki, разметка DokuWiki, разметка Haddock, EPUB (версия 2) или v3), FictionBook2, Текстиль, справочные страницы groff, Emacs Org-Mode, AsciiDoc, InDesign ICML и слайд-шоу Slidy, Slideous, DZSlides, reve.js или HTML S5. Он также может выводить PDF в системах, где установлен LaTeX.

Как предположил @evilsoup, это может сработать:

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

_{Да, вы можете использовать команду libreoffice с --outdir, но вывод html не всегда работает таким образом ...}

Я быстро проверил это, и это, похоже, сработало, кроме падения Пандока из-за изображения в формате gif в документе.

Это все еще встречается при поиске в Google, поэтому я хотел указать это в записи: pandoc не смог прочитать docx, когда был задан этот вопрос (ошибка возникает из-за попытки прочитать двоичный файл), но, начиная с версии 1.13, он может и делает довольно хорошая работа этого.