Converta um .docx em um .pdf com pandoc

Estou tentando converter um .docx recebido pelo correio em um pdf correto usando o pandoc (estou usando o GNU / Linux).

Tenho um erro em relação à codificação de caracteres:

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

Eu tentei identificar a codificação:

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

Estou um pouco surpreso com charset=binary(eu estava esperando charset=iso8859-15). No entanto, tentei converter o .docx para utf8 de qualquer maneira e não está funcionando:

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

Eu tenho o mesmo erro com a linha de comando da documentação do pandoc :

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

Como posso converter este arquivo .docx para pdf com pandoc?

Na documentação aqui , .docxnão está listada como uma entrada compatível :

Pandoc é uma biblioteca Haskell para converter de um formato de marcação para outro e uma ferramenta de linha de comando que usa essa biblioteca. Ele pode ler marcações e (subconjuntos de) Textile, reStructuredText, HTML, LaTeX, marcação MediaWiki, marcação Haddock, OPML e DocBook; e pode escrever texto sem formatação, markdown, reStructuredText, XHTML, HTML 5, LaTeX (incluindo apresentações de slides beamer), ConTeXt, RTF, OPML, DocBook, OpenDocument, ODT, Word docx, GNU Texinfo, marcação MediaWiki, EPUB (v2 ou v3 ), FictionBook2, Textile, páginas de manual groff, Emacs Org-Mode, AsciiDoc e Slidy, Slideous, DZSlides, discover.js ou S5 apresentações de slides em HTML. Também pode produzir saída em PDF em sistemas onde o LaTeX está instalado.

Tente outra coisa, como o Libreoffice - que pode executar docx, desde que você não se importe com alguns erros de formatação.

EDITAR:

A descrição agora diz que o Pandoc agora parece suportar a leitura do Word DOCX (assim como o DocBook e alguns outros formatos):

Pandoc é uma biblioteca Haskell para converter de um formato de marcação para outro e uma ferramenta de linha de comando que usa essa biblioteca. Ele pode ler marcações e (subconjuntos de) Textile, reStructuredText, HTML, LaTeX, marcação MediaWiki, marcação TWiki, marcação Haddock, OPML, modo Org Emacs, DocBook, txt2tags, EPUB e Word docx ; e pode escrevertexto simples, markdown, reStructuredText, XHTML, HTML 5, LaTeX (incluindo apresentações de slides beamer), ConTeXt, RTF, OPML, DocBook, OpenDocument, ODT, Word docx, GNU Texinfo, marcação MediaWiki, marcação DokuWiki, marcação Haddock, EPUB (v2 ou v3), FictionBook2, Têxtil, páginas de manual groff, Emacs Org-Mode, AsciiDoc, InDesign ICML e Slidy, Slideous, DZSlides, shows de slides em HTML revelou.js ou S5. Também pode produzir saída de PDF em sistemas onde o LaTeX está instalado.

Como o @evilsoup sugeriu, isso pode funcionar:

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

_{Sim, você pode usar o comando libreoffice com --outdir, mas a saída html nem sempre funciona dessa maneira ...}

Fiz um teste rápido e pareceu funcionar, além do travamento de Pandoc devido a uma imagem gif no documento

Isso ainda aparece nas pesquisas do Google, então eu queria colocar isso no registro: o pandoc não conseguiu ler o docx quando essa pergunta foi feita (o erro ocorre ao tentar ler um arquivo binário), mas desde a versão 1.13 ele pode, e faz um bom trabalho disso.