使用python将.doc文件转换为HTML

Question

我有一堆.doc文件（不是.docx），我想将它们转换为HTML文件。 我尝试了python docx2html 模块，但它只支持.docx文件，而不支持doc。 那我怎么能实现呢？

Answer 1

只需将您的doc文件转换为docx即可。你可能想看看这个。 How do you convert a Word Document into very simple html in Python?

Answer 2

我遇到了同样的问题，并通过使用soffice将LibreOffice的subprocess.call调用到我的Python模块中来解决了这个问题。有了soffice，您可以直接将doc转换为html。

但是我必须告知，使用此解决方案，outputfile.html可能会丢失某些格式样式。 就我而言，它保留了字体，字体大小和运行（粗体，斜体等），这对我来说是必不可少的。

import subprocess

# Assuming `filename` has already been assigned for input file name
subprocess.call(['soffice', '--headless', '--convert-to', 'html', filename])

这将在同一目录中生成一个具有相同名称的html文档。

然后可以继续使用必要的CSS重新设置.html文件的样式。 希望对您有帮助