Pandoc 跨平台安装指南:从入门到源码编译
2026-02-03 04:27:47作者:滑思眉Philip
Pandoc 作为一款强大的文档格式转换工具,支持多种文档格式间的相互转换。本文将详细介绍在各种操作系统环境下安装 Pandoc 的方法,以及从源码编译的高级技巧。
一、基础安装方法
对于大多数用户而言,最简单的安装方式是使用官方提供的安装包。官方为不同操作系统提供了预编译的二进制包,这些包通常包含了 Pandoc 的所有必要组件。
Windows 系统安装
Windows 用户可以通过以下方式安装:
- MSI 安装包:这是最推荐的方式,安装程序会自动处理路径配置和版本更新
- ZIP 压缩包:适合高级用户,解压后需手动配置环境变量
- 包管理器安装:
- 使用 Chocolatey:
choco install pandoc - 使用 Winget:
winget install --source winget --exact --id JohnMacFarlane.Pandoc
- 使用 Chocolatey:
macOS 系统安装
macOS 用户可选择:
- PKG 安装包:图形化安装,简单易用
- Homebrew 安装:
brew install pandoc - MacPorts 安装:
port install pandoc
Linux 系统安装
大多数 Linux 发行版的仓库中都包含 Pandoc:
-
使用系统包管理器:
- Debian/Ubuntu:
apt-get install pandoc - Fedora:
dnf install pandoc - Arch Linux:
pacman -S pandoc
- Debian/Ubuntu:
-
手动安装 DEB/RPM 包:可从官方下载最新版本
二、高级安装选项
Conda 安装
通过 Conda 生态系统安装:
conda install -c conda-forge pandoc
此方法会安装静态链接的可执行文件,但需要注意其对 Lua 过滤器的限制。
Docker 方式
官方提供两种 Docker 镜像:
- 基础镜像:仅包含 Pandoc
- LaTeX 镜像:包含 Pandoc 和精简版 LaTeX
使用示例:
docker run --rm --volume "`pwd`:/data" --user `id -u`:`id -g` pandoc/latex input.md -o output.pdf
三、从源码编译安装
对于需要定制功能或使用开发版的用户,可以从源码编译安装。
准备工作
-
获取源码:
- 发布版源码包
- Git 仓库克隆:
git clone https://github.com/jgm/pandoc
-
安装 Haskell 工具链:
- GHC (Glasgow Haskell Compiler)
- Cabal 或 Stack 构建工具
使用 Stack 构建
推荐方法,自动化程度高:
stack setup
stack install pandoc-cli
构建完成后,可执行文件会安装在 ~/.local/bin 目录下。
使用 Cabal 构建
更灵活的方法:
cabal update
cabal install pandoc-cli
自定义构建选项
可通过配置标志定制构建:
embed_data_files:将数据文件嵌入二进制lua:启用 Lua 过滤器支持server:启用 HTTP 服务器模式
四、测试与验证
安装完成后,建议运行测试套件验证安装:
# 使用 Stack
stack test
# 使用 Cabal
cabal test
对于特定功能的测试:
cabal test --test-options='-p markdown'
五、PDF 输出支持
Pandoc 默认使用 LaTeX 生成 PDF,需要额外安装:
- Windows:MiKTeX
- macOS:BasicTeX 或 TinyTeX
- Linux:TeX Live
安装后可通过 --pdf-engine 选项指定不同的 PDF 引擎。
六、常见问题解决
- Lua 过滤器限制:静态链接的二进制版本不支持依赖 C 模块的 Lua 过滤器,需从源码编译
- 多版本冲突:避免使用多种安装方法导致版本冲突
- 字体问题:PDF 生成时若提示字体缺失,需安装额外字体包
通过本文介绍的各种方法,用户可以根据自身需求选择最适合的 Pandoc 安装方式。对于大多数用户,推荐使用官方提供的二进制安装包;对于开发者或需要特定功能的用户,则可以考虑从源码编译安装。
登录后查看全文
热门项目推荐
相关项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
522
3.71 K
Ascend Extension for PyTorch
Python
327
384
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
875
576
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
334
161
暂无简介
Dart
762
184
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.32 K
744
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
React Native鸿蒙化仓库
JavaScript
302
349
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
112
134