Mammoth：高效便捷的.docx到HTML转换器

最新推荐文章于 2025-05-11 01:48:36 发布

柏克栋

最新推荐文章于 2025-05-11 01:48:36 发布

阅读量1.1k

点赞数 8

CC 4.0 BY-SA版权

本文链接：https://blog.youkuaiyun.com/gitblog_01050/article/details/141014684

Mammoth：高效便捷的.docx到HTML转换器

项目地址:https://gitcode.com/gh_mirrors/ma/mammoth.js

Mammoth是一个专门设计用来将.docx文档（如Microsoft Word、Google Docs和LibreOffice创建的文档）转换为HTML的工具。它的目标是通过利用文档中的语义信息来生成简洁、干净的HTML，而忽略其他细节，如字体、字号和颜色等呈现样式。

由于.docx和HTML之间的结构差异较大，对于复杂的文档，转换可能无法完美无瑕。Mammoth在文档中只使用样式进行语义标记时表现最佳。

以下是目前支持的功能特性：

标题（如 Heading 1 转换为 h1 元素）
列表
自定义docx样式到HTML的映射，例如将WarningHeading转换为h1.warning
表格，忽略表格本身的格式，但保留文本的格式
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
文本框，内容作为单独段落出现在原段落之后
注释

在线演示与安装

最简单尝试Mammoth的方式是使用网页版演示，只需克隆仓库并运行make setup，然后在浏览器中打开browser-demo/index.html。

要安装Mammoth，可以通过npm：

npm install mammoth

此外，Mammoth还提供了Python、WordPress、Java/JVM和.NET等平台的版本。

使用指南

命令行接口 (CLI)

你可以通过指定.docx文件及其输出文件路径来转换文件：

mammoth document.docx output.html

如果没有指定输出文件，输出将被写入标准输出。

图片处理

默认情况下，图片以内联方式包含在输出HTML中。如果指定了--output-dir，图片会被保存为单独的文件。

样式映射

自定义样式映射可通过--style-map参数读取文件，例如：

mammoth document.docx output.html --style-map=custom-style-map

Markdown支持

Markdown支持已弃用，建议生成HTML后使用独立库将其转换为Markdown，以获得更好的效果。

库级操作

在Node.js或浏览器环境中，可以常规方式引入Mammoth：

var mammoth = require("mammoth");

或者，使用mammoth.browser.js这个包含了Mammoth和其依赖项的单一JavaScript文件。如果未找到模块系统，mammoth将作为全局变量存在。

基本转换

要转换现有.docx文件为HTML，可调用mammoth.convertToHtml()：

var mammoth = require("mammoth");

mammoth.convertToHtml({path: "path/to/document.docx"})
    .then(function(result){
        var html = result.value; 
        var messages = result.messages; 
    })
    .catch(function(error) {
        console.error(error);
    });