ubuntuusers.de

Pandoc

Dieser Artikel wurde für die folgenden Ubuntu-Versionen getestet:


Du möchtest den Artikel für eine weitere Ubuntu-Version testen? Mitarbeit im Wiki ist immer willkommen! Dazu sind die Hinweise zum Testen von Artikeln zu beachten.

Zum Verständnis dieses Artikels sind folgende Seiten hilfreich:

Wiki/Icons/terminal.png Pandoc 🇬🇧 ist ein Dokumentenkonverter für die Kommandozeile. Mit ihm können Textdateien, die in einer Auszeichnungssprache verfasst wurden, in ein anderes Format wie LaTeX oder HTML umgewandelt werden (Liste der unterstützten Formate). Das Programm wurde von John MacFarlane 🇬🇧 in Haskell geschrieben und steht unter der GPL-Lizenz.

Auf der Homepage von Pandoc gibt es die Möglichkeit, Pandoc online auszuprobieren 🇬🇧.

Hintergrund

Im Internetzeitalter werden Texte häufig in verschiedenen Formaten benötigt. Ein vorstellbarer Anwendungsfall ist bspw. die Ausarbeitung von Notizen zu einem Blogartikel, der leicht abgeändert als Wikipedia-Artikel publiziert und anschließend mit LaTeX zu einem Aufsatz umgeschrieben wird, bevor er als LibreOffice-Dokument an eine Zeitschrift versandt wird. Die Kernthesen des Aufsatzes werden schließlich in Folienform auf einer Konferenz präsentiert und auf einer Webseite der Öffentlichkeit zugänglich gemacht.

Hier setzt Pandoc an: Es erlaubt die Konvertierung in die erforderlichen Formate. Ausgangsformat ist dabei im Idealfall eine – meist intuitiv verständliche – vereinfachte Auszeichnungssprache wie Markdown oder ReStructuredText.

Hinweis:

Bei komplexeren Ausgangsformaten (wie bspw. LaTeX) kann es sein, dass die Konvertierung Fehler aufweist. Ein häufiges Problem sind beispielsweise typographische Anführungszeichen. Die von Pandoc erzeugte Ausgabedatei sollte daher vor der Weiterverwendung überprüft werden.

Eine solche – in einer vereinfachten Auszeichnungssprache geschriebene – Datei (hier im Markdown-Format) kann wie das folgende Beispiel aussehen:

# Markdown-Text

## Abschnitt 1

*Pandoc* kann **Markdown** verarbeiten, eine einfache Markup-Sprache,
aus der von Parsern u.a. HTML- und LaTeX-Dokumente generiert werden
können. Man kann Syntax-Elemente auch "escapen", also bspw. die automatische \*Kursivierung\* verhindern.

Markdown Text beherrscht:

-   Listen unnummeriert
    -   auf mehreren Ebenen verschachteln
    - ... so wie hier
-   Tabellen
-   und vieles mehr

Listen nummeriert:

1.  erste Element
2.  zweites Element

Linien:

- - -

## Abschnitt 2

Außerdem gibt es noch weitere Auszeichnungselemente, bspw. Zitatblöcke:

> "All stories are true ... But this one really happened, if that’s what you mean."

### Abschnitt 2a

Dieses Dokument ist nur ein simples Beispiel!

Wenn man einen Markdown-Editor wie ReText, Typora oder utext 🇬🇧 verwendet, kann man bereits innerhalb eines Vorschaufensters die Auszeichnung verfolgen.

./utext_markdown.png
Markdown-Editor utext mit Vorschaufenster

Pandoc wandelt diese Datei auf Wunsch bspw. in ein LaTeX-Dokument um. Das Ergebnis einer solchen Umwandlung mit:

pandoc -s -S -f markdown -t latex -o ausgabe.tex eingabe.md 

sieht wie folgt aus:

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
\documentclass{article}
\usepackage{amssymb,amsmath}
\usepackage[mathletters]{ucs}
\usepackage[utf8x]{inputenc}
% Redefine labelwidth for lists; otherwise, the enumerate package will cause
% markers to extend beyond the left margin.
\makeatletter\AtBeginDocument{%
  \renewcommand{\@listi}
    {\setlength{\labelwidth}{4em}}
}\makeatother
\usepackage{enumerate}
\usepackage[breaklinks=true,unicode=true,pdfborder={0 0 0}]{hyperref}
\setlength{\parindent}{0pt}
\setlength{\parskip}{6pt plus 2pt minus 1pt}
\setcounter{secnumdepth}{0}


\begin{document}

\section{Markdown-Text}

\subsection{Abschnitt 1}

\emph{Pandoc} kann \textbf{Markdown} verarbeiten, eine einfache
Markup-Sprache, aus der von Parsern u.a. HTML- und LaTeX-Dokumente
generiert werden können. Man kann Syntax-Elemente auch ``escapen'', also
bspw. die automatische *Kursivierung* verhindern.

Markdown Text beherrscht:

\begin{itemize}
\item
  Listen unnummeriert
  \begin{itemize}
  \item
    Mit mehreren Verschachtelungsebenen
  \item
    \ldots{} so wie hier
  \end{itemize}
\item
  Tabellen
\item
  und vieles mehr
\end{itemize}
Listen nummeriert:

\begin{enumerate}[1.]
\item
  erste Element
\item
  zweites Element
\end{enumerate}
Linien:

\begin{center}\rule{3in}{0.4pt}\end{center}

\subsection{Abschnitt 2}

Außerdem gibt es noch weitere Auszeichnungselemente, bspw. Zitatblöcke:

\begin{quote}
``All stories are true \ldots{} But this one really happened, if that's
what you mean.''

\end{quote}
\subsubsection{Abschnitt 2a}

Dieses Dokument ist nur ein simples Beispiel!

\end{document}

An dieser Beispiel-Datei sieht man auch gut, dass Pandoc sich nicht an deutsche Formatierungs- und Maßeinheitskonventionen hält. Bei einer Umwandlung in eine LaTeX-Datei sollte daher das Ergebnis entweder noch manuell korrigiert oder Pandoc zusätzliche Angaben zur gewünschten Formatierung (d.h. insbesondere: eine individuelle Präambel) übergeben werden.

Installation

Pandoc ist in den offiziellen Paketquellen enthalten. Es muss folgendes Paket installiert [1] werden:

  • pandoc (universe)

Befehl zum Installieren der Pakete:

sudo apt-get install pandoc 

Oder mit apturl installieren, Link: apt://pandoc

Bedienung

Aufruf

Pandoc wird im Terminal [2] mit folgendem Befehl aufgerufen:

pandoc OPTIONEN EINGABEDATEI 

Optionen

Pandoc kennt folgende Optionen:

Optionen
Option Beschreibung
-c URL oder --css=URL Link auf ein CSS-Style-Sheet
--columns=ZAHL Angabe der Buchstaben pro Zeile (bei aktiviertem automatischen Zeilenumbruch)
--data-dir=DIRECTORY Verzeichnis, in dem Pandoc nach Dateien sucht (z.B. nach einzubindenden CSS-Stylesheets). Standard: ~/.pandoc/
--epub-stylesheet=DATEI Verwendung von DATEI (ein CSS-Style-Sheet epub.css) als Formatvorlage für eine EPUB-Ausgabe
-f FORMAT oder -r FORMAT Format der Eingabedatei
-N oder --number-sections Nummerierte Abschnitte in LaTeX-, ConTeXt- oder HTML-Ausgaben (Standard: nicht nummeriert)
--no-wrap Deaktivierung des automatischen Zeilenumbruchs (Standard: mit für Ausgabeformat passenden Werten aktiviert)
--normalize Vereinheitlichung des Dokuments (Bsp.: Entfernung aufeinander folgender Leerzeichen)
-o DATEI oder --output=DATEI Ausgabe in DATEI, nicht nach stdout
--reference-odt=DATEI Verwendung von DATEI als Formatvorlage für eine ODT-Ausgabe
-s oder --standalone Ausgabedatei enthält bereits passende Header- und Footer-Felder (Bsp.: vollständiges LaTeX-Ausgabedokument, Präambel also enthalten)
-S oder --smart Typographisch korrekte Konvertierung (Beispiele: typographische Anführungszeichen, Halbgeviertstrich, …) (für LaTeX- und ConTeXt-Ausgaben ist die Option Standard)
-t FORMAT oder -w FORMAT Format der Ausgabedatei
--template=DATEI DATEI wird als Vorlage für das Ausgabedokument verwendet (nur mit --standalone)
--toc oder --table-of-contents Automatische Generierung von Inhaltsverzeichnis in Ausgabedokument

Weitere Optionen und teilweise detailliertere Angaben sind der Manpage zu entnehmen.

Unterstützte Formate

Pandoc unterstützt folgende Formate (diese Tabelle bezieht sich auf die aktuelle Version, die nicht der unter Ubuntu installierten entsprechen muss):

Von Pandoc unterstützte Formate
Formatname Optionsname Eingabe Ausgabe
ConTeXt context nein ja
DocBook XML docbook ja ja
Emacs Org-Mode org ja ja
EPUB epub ja ja
GNU Texinfo texinfo nein ja
groff (Manpages) man nein ja
Haskell native ja ja
HTML html ja ja
HTML 5 html5 nein ja
JSON json ja ja
LaTeX latex ja ja
Markdown markdown ja ja
Mediawiki mediawiki ja ja
ODT (Open Document Text) odt ja ja
OpenDocument XML opendocument ja ja
ReStructuredText rst ja ja
RTF (Rich Text Format) rtf nein ja
S5 s5 nein ja
HTML Slidy 🇬🇧 slidy nein ja
(Plain) Text plain nein ja
Textile textile ja ja

Beispiele

Markdown nach ODT

Eine Markdown-Datei eingabe.md kann mit folgendem Befehl in ein ODT-Dokument (LibreOffice) umgewandelt werden:

pandoc eingabe.md -o ausgabe.odt 

Vollständig ausgeschrieben würde der Befehl lauten:

pandoc -f markdown -t odt eingabe.md -o ausgabe.odt 

ReStructuredText nach HTML

Der folgende Befehl erzeugt aus der RST-Datei eingabe.rst ein HTML-Dokument ausgabe.html mit einem Inhaltsverzeichnis (--toc), Header und Footer (-s) und typographisch korrekten Zeichen (-S). Zur Formatierung wird die Datei ~/.pandoc/format.css herangezogen.

pandoc -s -S --toc -c ~/.pandoc/format.css eingabe.rst -o ausgabe.html 

Pandoc können auch mehrere Eingabedateien übergeben werden:

pandoc -s -S --toc -c ~/.pandoc/format.css -o ausgabe.html eingabe1.rst eingabe2.rst eingabe3.rst  

Manpage aus Markdown-Datei

Der folgende Befehl erzeugt aus der Markdown-Datei eingabe.md die Manpage ausgabe.1:

pandoc -s -w man eingabe.md -o ausgabe.1 

Textdatei aus Webseite

Der folgende Befehl erzeugt aus dieser Webseite eine einfache Textdatei:

pandoc -s -t plain -r html http://wiki.ubuntuusers.de/ubuntuusers/Moderatoren/Richtig_fragen -o ausgabe.txt 

E-Book-Erstellung (EPUB)

Ein sehr einfaches E-Book im EPUB-Format kann man erstellen, indem man in einem Editor [2] folgenden Inhalt eingibt und als Datei eingabe.txt abspeichert:

% Mein erstes Buch
% Johann Wolfgang von Goethe, Jr.

Das ist mein Buch

# Kapitel 1

Aller Anfang ist schwer.

# Kapitel 2

So long, and thanks for all the fish: Das war's dann auch schon!

Anschließend kann die Datei mit folgendem Befehl in ein E-Book umgewandelt werden:

pandoc eingabe.txt -o meinbuch.epub 

Eine Anleitung zum Erstellen komplexerer E-Books 🇬🇧 findet sich auf der Website von Pandoc.

PDF-Ausgabe

Pandoc kann – über LaTeX – praktisch aus jedem Eingabeformat eine PDF-Datei erzeugen:

pandoc eingabe.md -o ausgabe.pdf
pandoc eingabe.txt -o ausgabe.pdf 

In früheren Versionen wurde das zusätzliche Hilfsprogramm markdown2pdf verwendet, das ausschließlich mit Markdown funktionierte:

markdown2pdf eingabe.md -o ausgabe.pdf 

MediaWiki-Konvertierung

Um eine Datei im MediaWiki-Format (wie es von der Wikipedia genutzt wird) zu erstellen, muss folgender Befehl verwendet werden (hier mit einer reST-Eingabedatei):

pandoc -s -S -t mediawiki --toc eingabe.rst -o ausgabe.wiki 

extern

intern

Diese Revision wurde am 2. Dezember 2022 20:19 von karzer erstellt.
Die folgenden Schlagworte wurden dem Artikel zugewiesen: Büro, Shell, eBook, Präsentation, Markdown