从 Word 文档转换为 HTML

Question

我想使用 Word Viewer 将 Word 文档保存为 HTML 格式，而无需在我的机器上安装 Word。有什么办法可以在 C# 中实现这一点吗？

Answer 1

我相信，您需要安装 MS Word 才能执行此操作。

查看this article 了解有关实施的详细信息。

Answer 2

根据this Stack Overflow question，使用文字查看器是不可能的。您将需要 Word 使用 COM Interop 与 Word 进行交互。

Answer 3

我认为这将取决于 Word 文档的版本。如果您有 docx 格式的文件，我相信它们会以 XML 数据的形式存储在文件中（但自从我查看规范以来已经很久了，我很高兴能够对此进行更正）。

Answer 4

如果您愿意不使用 C#，您可以使用PrimoPDF 执行诸如打印到文件之类的操作（这会将 .doc 更改为 .pdf），然后使用 PDF 到 HTML 转换器来完成其余部分方式。之后，您可以随心所欲地编辑您的 html。

Answer 5

使用 OpenOffice.org 中提供的文档转换工具可能是唯一可能的选择 - .doc 格式仅设计为通过 Microsoft 产品打开，因此任何处理它的库都需要对整个格式进行逆向工程。

Answer 6

要将 .docx 文件转换为 HTML 格式，您可以使用OpenXmlPowerTools。确保添加对 OpenXmlPowerTools.dll 的引用。

using OpenXmlPowerTools;
using DocumentFormat.OpenXml.Wordprocessing;

byte[] byteArray = File.ReadAllBytes(DocxFilePath);
using (MemoryStream memoryStream = new MemoryStream())
{
     memoryStream.Write(byteArray, 0, byteArray.Length);
     using (WordprocessingDocument doc = WordprocessingDocument.Open(memoryStream, true))
     {
          HtmlConverterSettings settings = new HtmlConverterSettings()
          {
               PageTitle = "My Page Title"
          };
          XElement html = HtmlConverter.ConvertToHtml(doc, settings);

          File.WriteAllText(HTMLFilePath, html.ToStringNewLineOnAttributes());
     }
}

Answer 7

我写了Mammoth for .NET，这是一个将docx文件转换为HTML的库，是available on NuGet。

Mammoth 试图通过查看语义信息来生成干净的 HTML，例如，将 Word 中的段落样式（例如 Heading 1）映射到 HTML/CSS 中的适当标签和样式（例如 <h1>）。如果您想要产生精确视觉副本的东西，那么猛犸象可能不适合您。如果您有一些已经结构良好的内容并希望将其转换为整洁的 HTML，那么 Mammoth 可能会成功。

Answer 8

我得到的另一个类似主题是Convert Word to HTML then render HTML on webpage。我认为如果您仍在使用它，您可能会发现这很有帮助。为此有一个免费分发的 dll。我已经给出了那里的链接。

Answer 9

您可以尝试使用 Microsoft.Office.Interop.Word；

   using Word = Microsoft.Office.Interop.Word;

    public static void ConvertDocToHtml(object Sourcepath, object TargetPath)
    {

        Word._Application newApp = new Word.Application();
        Word.Documents d = newApp.Documents;
        object Unknown = Type.Missing;
        Word.Document od = d.Open(ref Sourcepath, ref Unknown,
                                 ref Unknown, ref Unknown, ref Unknown,
                                 ref Unknown, ref Unknown, ref Unknown,
                                 ref Unknown, ref Unknown, ref Unknown,
                                 ref Unknown, ref Unknown, ref Unknown, ref Unknown);
        object format = Word.WdSaveFormat.wdFormatHTML;



        newApp.ActiveDocument.SaveAs(ref TargetPath, ref format,
                    ref Unknown, ref Unknown, ref Unknown,
                    ref Unknown, ref Unknown, ref Unknown,
                    ref Unknown, ref Unknown, ref Unknown,
                    ref Unknown, ref Unknown, ref Unknown,
                    ref Unknown, ref Unknown);

        newApp.Documents.Close(Word.WdSaveOptions.wdDoNotSaveChanges);


    }

Answer 10

Gembox 工作得很好。它甚至可以将 Word 文档中的图像转换为 img 标签中的 base64 编码字符串。