Question

我用猛犸象试过了：

import mammoth

result = mammoth.convert_to_html("MyDocument.docx")
print (result.value)

我没有获得HTML，但这个奇怪的代码：

kbW7yqZoo4h9pYM6yBxX1QFx2pCoPYflXfieIPbtqpT913Vk7OzcZdEk3eO7TbWjvZNTGilsfmRrPwDvB[...]

我也尝试过使用docx2html，但我无法安装它。当我运行pip install docx2html时，我收到此错误：

SyntaxError: Missing parentheses in call to 'print'

Answer 1

Mammoth .docx to HTML converter

Mammoth旨在转换.docx文档，例如Microsoft Word创建的文档，并将它们转换为HTML。 Mammoth旨在通过使用文档中的语义信息生成简单而干净的HTML，并忽略其他细节。例如，Mammoth将任何带有Heading 1样式的段落转换为h1元素，而不是试图精确复制标题的样式（字体，文本大小，颜色等）。

.docx使用的结构与HTML结构之间存在很大的不匹配，这意味着转换不太适合更复杂的文档。如果您只使用样式来语义标记文档，那么猛犸最佳效果。

目前支持以下功能：

标题
解释
从您自己的docx样式到HTML的可自定义映射。例如，您可以通过提供适当的样式映射将WarningHeading转换为h1.warning。
表。表格本身的格式（例如边框）目前被忽略，但文本的格式与文档其余部分的格式相同。
脚注和尾注。
图像。
粗体，斜体，下划线，删除线，上标和下标。
链接。
换行符。
文字框。文本框的内容被视为包含文本框的段落后面的单独段落。
评论

<强>安装

pip install mammoth

基本转化

要将现有.docx文件转换为HTML，请将类文件对象传递给mammoth.convert_to_html。该文件应以二进制模式打开。例如：

import mammoth

with open("document.docx", "rb") as docx_file:
    result = mammoth.convert_to_html(docx_file)
    html = result.value # The generated HTML
    messages = result.messages # Any messages, such as warnings during conversion

您还可以使用mammoth.extract_raw_text提取文档的原始文本。这将忽略文档中的所有格式。每个段落后跟两个换行符。

with open("document.docx", "rb") as docx_file:
    result = mammoth.extract_raw_text(docx_file)
    text = result.value # The raw text
    messages = result.messages # Any messages

Answer 2

您可以为此目的使用pypandoc模块。参见下面的代码

导入pypandoc 输出= pypandoc.convert_file（'file.docx'，'docx'，outputfile =“ file_converted.html”）

Answer 3

您遇到的问题可能是猛ma象不会创建合法的HTML文件，而只是创建HTML代码段。表示它缺少和标签。某些浏览器仍然可以从文件中呈现内容，因为它们已经足够先进，可以这样做，但是在尝试使用原始输出时遇到了类似的问题。一个不错的解决方法是将其添加到代码中，以将其转换为正确的HTML文件：

import mammoth

with open("test.docx", "rb") as docx_file:
    result = mammoth.convert_to_html(docx_file)
    html = result.value  # The generated HTML
    messages = result.messages  # Any messages,

    full_html = (
        '<!DOCTYPE html><html><head><meta charset="utf-8"/></head><body>'
        + html
        + "</body></html>"
    )

    with open("test.html", "w", encoding="utf-8") as f:
        f.write(full_html)

在test.html中，无论您给文档加上的标题是什么。

我不为此而功劳，我也在这里找到了它，但是找不到源帖子。

Answer 4

如documentation中所述：

要将现有的.docx文件转换为HTML，请将类似文件的对象传递给 mammoth.convert_to_html。该文件应以二进制模式打开。对于实例：

import mammoth

with open("document.docx", "rb") as docx_file:
    result = mammoth.convert_to_html(docx_file)
    html = result.value # The generated HTML
    messages = result.messages # Any messages, such as warnings during conversion

无法使用Python将DOCX转换为HTML

4 个答案: