如何将 .doc 文件转换为 HTML？

Question

我有一堆 .doc 文件（不是 .docx），我想将它们转换成 HTML 文件。

我也尝试过 Python 的 docx2html 模块，但它只支持 .docx 文件，不支持 doc。

那么我该如何实现呢？

Answer 1

我通过使用 subprocess.call 将 LibreOffice 的 soffice 调用到我的 Python 模块中解决了这个问题。使用soffice，可以直接将doc转换成html。

但我必须告知，使用此解决方案，outputfile.html 可能会丢失一些格式样式。 就我而言，它保留了对我来说必不可少的字体、字体大小和运行（粗体、斜体等）。

import subprocess

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

这将生成一个同名的html文档，在同一个目录中。

如果有必要，您可以继续使用一些 CSS 重新设置 .html 文件的样式。