DOCX → HTML
Word 文件轉 HTML。
不帶 Word 那堆垃圾。
「另存為網頁」會吐出幾千行 mso- 樣式。這裡給的是你自己會手寫的那種標記。
標題變 <h2>，表格變 <table>，微軟專屬的東西一樣不留。
把檔案拖到這裡。
也可以按按鈕選，或者直接 Ctrl+V 貼上。一次幾十個都行。
.docx .doc / 單一檔案 25 MB / 在你瀏覽器裡跑，不上傳
別的格式： .md .markdown .txt .mdown MD → HTML · .txt .text 文字 → HTML · .txt .csv .tsv CSV → 表格 · .html .htm Google 文件 → HTML · .xlsx Excel → 表格 · .pdf docstomd.com
輸出設定
輸出形態
縮排
圖片
怎麼用
- 01把 .docx 拖到上面的框裡，或者按一下選檔案。一次幾十個都行。
- 02Mammoth 讀的是文件結構 —— 真的標題級別、真的表格、真的清單 —— 再據此寫出 HTML。這份 HTML 接著過 DOMPurify，因為 Mammoth 官方文件明確說了它的輸出不做安全清理。
- 03決定圖片怎麼處理，然後複製 HTML、下載檔案，或者拿一個把圖片一併裝上的 zip。
支援什麼
- 2007 年之後 Word 寫出的所有 .docx，包括 Word Online 和 Mac 版 Word
- Word 97–2003 的舊 .doc，靠檔頭判斷而不是看副檔名
- 標題輸出成 <h1>–<h6>，依據是 Word 的樣式，不是靠字級猜
- 表格輸出成 <table>，清單輸出成帶真實嵌套的 <ul>/<ol>，還有連結、粗體、斜體、刪除線
- 引言、程式碼樣式段落輸出成 <pre><code>，圖說輸出成 <p class="caption">
- 內嵌圖片：可以內嵌成 base64、抽到 images/ 目錄裡打包，或者直接丟掉
做不到什麼
- Word 的視覺格式 —— 字型、顏色、精確間距 —— 是故意不帶過來的
- 合併儲存格會丟掉 colspan 和 rowspan，每格各自成一個 <td>
- 追蹤修訂和註解會丟掉 —— 你拿到的是定稿正文，不是編輯歷程
- 文字方塊、SmartArt 和圖表過不來，最多剩下裡面的文字
- 舊 .doc 裡的圖片取不出來 —— 那個格式把圖藏在瀏覽器碰不到的地方
- 加密文件會被直接拒掉，而不是讀一半給你
哪些東西被扔掉了
Word 和 Google 文件都會給正文裹上一層垃圾，那層東西只在它們自己的編輯器裡有意義。這裡一律清掉。
結構留著：標題還是標題，表格還是表格，清單還是清單。刪掉的是裝飾。
- <script> 標籤
- onclick 這類事件屬性
- 行內 mso- 樣式
- 失效的 c1 / c17 類別名稱
- 連結裡的追蹤參數
- Office 專屬標籤
- 保留：語意結構
- 轉義：& < > 和引號
常見問題
Word 的匯出目標是讓頁面在瀏覽器裡看起來一模一樣，於是它寫下一大塊 CSS，給幾乎每個元素掛上 mso- 樣式屬性，加上 MsoNormal 這類類別名稱，還有 <o:p> 這種 Office 專屬標籤。這裡做的是相反的事：讀結構，扔掉表現。你得到的是幾十行語意化 HTML，而不是幾千行改不動的標記。
想反著轉？
DocsToMD 是同一套東西反過來用 —— Word、PDF、Excel、HTML 轉成 Markdown。做法一樣，隱私模型一樣，只是輸出格式相反。