Word 文書を HTML に。
Word のゴミは置いていきます。

使い方

1. 01.docx を上の枠に落とすか、押して選んでください。何十個まとめてでも大丈夫です。
2. 02Mammoth が文書の構造 — 本当の見出しレベル、本当の表、本当のリスト — を読み、そこから HTML を書きます。その HTML はそのあと DOMPurify を通します。Mammoth 自身の説明書が、出力は無害化されていないと明記しているからです。
3. 03画像の扱いを決めて、HTML をコピーするか、ファイルを保存するか、画像を添えた zip を持ち帰ってください。

対応していること

• 2007 年以降に Word が書いた .docx すべて。Word Online と Mac 版 Word も含みます
• Word 97〜2003 の古い .doc。拡張子ではなくファイル先頭の署名で判定します
• 見出しレベルは <h1>〜<h6> に。文字サイズからの推測ではなく Word のスタイル情報から取ります
• 表は <table>、リストは本当の入れ子を保った <ul>/<ol>、リンク、太字、斜体、打ち消し線
• 引用、コードスタイルの段落は <pre><code>、図表番号は <p class="caption">
• 埋め込み画像：base64 にする、zip 用に images/ フォルダへ取り出す、または捨てる

できないこと

• Word の見た目（フォント、色、正確な余白）は持ち込みません。これは意図した設計です
• 結合セルは colspan と rowspan を失い、各セルがそれぞれの <td> になります
• 変更履歴とコメントは落とします。編集の履歴ではなく、最終の本文が手に入ります
• テキストボックス、SmartArt、グラフは残りません。中の文字だけ、あれば残ります
• 古い .doc から画像は出せません。あの形式はブラウザが届かない場所に画像を隠します
• 暗号化された文書は、中途半端に読むのではなく受け付けません