DOCX → HTML
Documento de Word a HTML.
Sin la basura de Word.
Guardar como página web produce miles de líneas de estilos mso-. Esto produce marcado como el que escribirías a mano.
Los títulos se vuelven <h2>, las tablas <table>, y no sobrevive nada específico de Microsoft.
Suelta un archivo aquí.
O elígelo con el botón. O simplemente pega con Ctrl+V. Decenas a la vez no es problema.
.docx .doc / 25 MB por archivo / corre en tu navegador, nada se sube
Otros formatos: .md .markdown .txt .mdown MD → HTML · .txt .text Texto → HTML · .txt .csv .tsv CSV → tabla · .html .htm Google Docs → HTML · .xlsx Excel → tabla · .pdf docstomd.com
Cómo funciona
- 01Suelta un .docx en la zona de arriba, o pulsa para elegirlo. Decenas a la vez no es problema.
- 02Mammoth lee la estructura del documento (niveles de título reales, tablas reales, listas reales) y escribe HTML a partir de ella. Ese HTML pasa después por DOMPurify, porque la propia documentación de Mammoth dice explícitamente que su salida no está desinfectada.
- 03Decide qué hacer con las imágenes y copia el HTML, descarga el archivo o llévate un zip con las imágenes al lado.
Qué se admite
- Todos los .docx que Word ha escrito desde 2007, además de Word Online y Word para Mac
- Los .doc antiguos de Word 97–2003, detectados por la cabecera del archivo y no por la extensión
- Niveles de título como <h1>–<h6>, tomados de los estilos de Word y no adivinados por el tamaño de letra
- Tablas como <table>, listas como <ul>/<ol> con anidamiento real, enlaces, negrita, cursiva y tachado
- Citas, párrafos con estilo de código como <pre><code> y leyendas como <p class="caption">
- Imágenes incrustadas: en base64, extraídas a una carpeta images/ para el zip, o descartadas
Qué no hace
- El formato visual de Word (tipografías, colores, espaciado exacto) no se traslada, y es deliberado
- Las celdas combinadas pierden colspan y rowspan; cada celda pasa a ser su propio <td>
- El control de cambios y los comentarios se descartan: recibes el texto final, no el historial de edición
- Los cuadros de texto, SmartArt y gráficos no sobreviven; solo su texto, si lo hay
- De los .doc antiguos no salen imágenes: ese formato las esconde donde un navegador no llega
- Los documentos cifrados se rechazan en lugar de leerse a medias
Qué se tira a la basura
Word y Google Docs envuelven el contenido en una capa de basura que solo significa algo dentro de su propio editor. Se va.
La estructura se queda: los títulos siguen siendo títulos, las tablas tablas y las listas listas. Lo que se elimina es la decoración.
- Etiquetas <script>
- onclick y compañía
- Estilos mso- en línea
- Clases c1 / c17 muertas
- Parámetros de seguimiento
- Etiquetas exclusivas de Office
- Se conserva: la estructura semántica
- Se escapan: & < > y las comillas
Preguntas que nos hacen
¿Vas en la otra dirección?
DocsToMD es esta misma herramienta al revés: Word, PDF, Excel y HTML a Markdown. Mismo enfoque, mismo modelo de privacidad, salida opuesta.