Mammoth.js vs Pandoc WASM: Was wandelt Word besser in Markdown um?
Word im Browser in Markdown zu konvertieren ist ein gelöstes Problem – gleich zweimal. Mammoth.js existiert seit Jahren als schlanke JavaScript-Bibliothek, die docx in sauberes semantisches HTML verwandelt, während Pandoc, der Schwergewichts-Konverter für Dokumente, inzwischen nach WebAssembly kompiliert wird und dieselbe Engine ausführt, auf die Desktop-Nutzer vertrauen. Die beiden verfolgen grundlegend unterschiedliche technische Ansätze, und der Unterschied zeigt sich genau dort, wo Ihre Dokumente kompliziert werden.
Dieser Vergleich betrachtet zunächst, wie jede Pipeline arbeitet, und geht dann die Dimensionen durch, die in der Praxis über die Konvertierungsqualität entscheiden: Tabellen, Fußnoten, Formeln, Bilder, Listen und Änderungsverfolgung. Beide Werkzeuge laufen vollständig clientseitig – es geht also nicht um Datenschutz, sondern um Wiedergabetreue gegenüber Speicherbedarf.
Zwei Pipelines, zwei Philosophien
Mammoth liest das OOXML innerhalb einer docx-Datei und durchläuft es mit einem einzigen Ziel: semantischer Inhalt, nicht Erscheinungsbild. Absatzformate, die es erkennt, werden zu HTML-Elementen, und alles, was es für dekorativ hält – die meisten Farben, Schriften, Abstände, Textfelder, Formen – wird verworfen. Das Ergebnis ist berühmt sauberes HTML, das kaum Nachbearbeitung braucht, bevor es in ein CMS gelangt.
Pandoc zerlegt dieselbe Datei mit einem nativen docx-Reader, baut aber statt direktem HTML einen typisierten abstrakten Syntaxbaum. Jeder Reader – docx, odt, epub, LaTeX – erzeugt denselben Baum, und jeder Writer konsumiert ihn. Diese Indirektion ermöglicht es, dass ein einziger Parse Markdown, HTML, reStructuredText, LaTeX oder sogar ein frisches docx liefert.
Wie Mammoths Style Map funktioniert
Mammoths Erweiterungspunkt ist die Style Map: eine Liste von Regeln, die Word-Formatvorlagen auf HTML-Elemente abbilden. Eine Regel kann festlegen, dass ein Absatz mit einer bestimmten Formatvorlage zu einem h1 wird oder dass fette Textläufe mit einer benutzerdefinierten Zeichenformatvorlage zu strong werden. Style Maps ermöglichen es, Mammoth an hauseigene Vorlagen anzupassen, ohne den Code anzufassen – und sie sind der Hauptgrund, warum Teams mit einer einzigen, gut gepflegten Quellvorlage hervorragende Ergebnisse erzielen.
Der Preis dafür: Alles außerhalb der Map und außerhalb von Mammoths Funktionsumfang verschwindet einfach. Für Memos und Blogbeiträge ist das ein Vorteil – die Ausgabe bleibt sauber. Für dichte Berichte mit Fußnoten und Formeln ist Schweigen nicht golden.
Tabellen, Fußnoten und Formeln
Tabellen sind die erste Hürde. Mammoth wandelt einfache Tabellen in schlichte HTML-Tabellen um, doch verschachtelte Tabellen liegen außerhalb seines Modells, und verbundene Zellen überleben selten intakt. Pandoc analysiert die vollständige Tabellenstruktur der Datei, sodass jede Zeile und jede Zelle den Parse übersteht; was danach geschieht, hängt vom Writer ab, denn Markdown-Pipe-Tabellen können verbundene Zellen gar nicht ausdrücken – diese Grenze gehört zum Format, nicht zum Konverter –, während der HTML-Writer die gesamte Tabelle mit allen Zellen bewahrt.
Fußnoten erzählen eine ähnliche Geschichte. Mammoth sammelt Anmerkungen am Dokumentende und verlinkt zurück zu ihnen, was fürs Lesen im Web ausreicht. Pandoc modelliert Fußnoten als eigenständige Knoten und gibt echte Markdown-Fußnotensyntax oder native LaTeX-Fußnoten aus. Am deutlichsten ist die Kluft bei Formeln: Mammoth konvertiert Word-OMML-Mathematik nicht, während Pandoc sie in Standard-LaTeX-Notation verwandelt.
Bilder, Listen und Revisionen
Bilder funktionieren bei beiden. Mammoth bindet sie im Browser standardmäßig als data-URIs ein und erlaubt einen eigenen Handler; Pandoc extrahiert die Medien in einen Ordner neben Ihrem Markdown oder bettet sie als base64 ein, wenn Sie eine einzelne eigenständige Datei benötigen. Alltägliche Aufzählungs- und nummerierte Listen sind in beiden Engines solide, einschließlich mehrstufiger Verschachtelung.
Die Änderungsverfolgung ist der heikle Punkt. Pandoc bietet eine explizite trackChanges-Option mit accept, reject und all – Sie wählen also, welcher Revisionsstand in der Ausgabe landet. Mammoth hat kein Revisionsmodell; der Text kommt heraus, als wäre jede Änderung angenommen worden, ohne Aufzeichnung darüber, was angenommen wurde. Keines der beiden Werkzeuge ersetzt Word für die juristische Prüfung – aber nur eines gibt Ihnen die Wahl.
Bundle-Größe und Auslieferung
Der Größenunterschied ist der ehrliche Preis der Wiedergabetreue. Mammoths Browser-Bundle wiegt einige hundert Kilobyte und lädt mit der Seite. Pandoc, kompiliert nach WebAssembly, bringt rund 58 Megabyte auf die Waage – beim ersten Mal ein echter Download. In einem Web Worker wird dieser Preis jedoch nur einmal gezahlt: Diese Website legt die Engine in der Cache-API des Browsers ab, sodass das Network-Panel bei jeder weiteren Konvertierung leer bleibt und das Werkzeug sogar offline weiterarbeitet.
Caching verändert die Rechnung. Eine Engine, die exakt einmal pro Browser heruntergeladen wird und sich danach wie eine lokale Binärdatei verhält, ist eine ganz andere Sache als ein erneuter Download in jeder Sitzung. Für ein Team, das täglich konvertiert, sind die einmaligen Kosten trivial gegenüber den Stunden, die das erneute Reparieren kaputter Tabellen kostet.
Ausgabevielfalt und Zitate
Mammoth gibt HTML und, mit etwas Hilfe, Markdown aus – nichts weiter. Pandocs Writer-Liste ist der eigentliche Sinn des AST: Derselbe Parse, der Markdown liefert, kann reStructuredText für Sphinx-Dokumentationen, LaTeX für eine Zeitschrifteinreichung oder ein neu gestaltetes docx über eine Referenzvorlage erzeugen. Zitate schließen den Kreis: Pandoc führt citeproc gegen eine Bibliografie und einen CSL-Stil aus und löst Zitierschlüssel direkt in formatierte Referenzen auf – Mammoth hat kein Äquivalent.
Die Reichweite gilt auch für Eingabeformate. Pandoc liest odt, epub, HTML, LaTeX, Org und mehr – eine Engine deckt also eine ganze Content-Pipeline ab. Mammoth ist bewusst ein docx-Spezialist, und ein sehr guter; verlangen Sie nur nicht, dass es als zentrale Drehscheibe dient.
Die Wahl zwischen beiden
Die beiden Werkzeuge sind keine echten Konkurrenten; sie beantworten unterschiedliche Fragen. Wenn Ihre Dokumente einfach sind, Ihr Bundle-Budget knapp ist und HTML oder Markdown das einzige Ziel, ist Mammoth exzellent – klein, schnell und berechenbar, besonders zusammen mit einer auf Ihre Vorlage abgestimmten Style Map.
Wenn Ihre Quelldateien Fußnoten, Formeln, komplexe Tabellen oder Zitate enthalten oder Sie mehr als zwei Ausgabeformate brauchen, ist Pandoc die ehrliche Wahl – und der Betrieb als WebAssembly bewahrt den Zero-Upload-Datenschutz, den beide Werkzeuge teilen. Diese Website hat sich genau deshalb für den Pandoc-Weg entschieden: Wiedergabetreue zuerst, mit einem Download, der einmal bezahlt und danach gecacht wird. Testen Sie Ihr schwierigstes Dokument in beiden und lassen Sie die Ausgabe entscheiden.