如何使用 Python 将 Word 文档转换为 HTML 或 Markdown

最近有一个开发需求，将生成的word数据报表以网页格式推送，正好找到一个简单快速转换的模块mammoth。

这篇简短的文章将指导您如何在基于 Python 的 CLI — Mammoth的帮助下，以简单的方式将.docx word 文档转换为简单的网页文档 ( .html ) 或 Markdown 文档 ( .md ) 。

据统计Statista调查（2020年1月6日），Microsoft Office套件是目前最流行的办公软件。您可以使用 Microsoft Word 轻松地做快速笔记、简短报告、教程文档等。而且，您可能希望将文档内容作为 Web 文档 ( .html )) 或 Markdown 文档 ( .md )与您的一些朋友、同事、客户共享。过去，在网络上托管一些网络文档可能会很昂贵，但现在云服务对于公共文档（例如GitHub Pages）来说非常便宜甚至免费。

Install Mammoth

确保PC 上安装了 Python 和 PIP。然后，打开 CMD 或终端并使用以下命令：

pip install mammoth

将Docx 转换为HTML

使用命令行：

$ mammoth input_name.docx output_name.html

使用Python：

import mammoth
with open("sample.docx", "rb") as docx_file:
    result = mammoth.convert_to_html(docx_file)
with open("sample.html", "w") as html_file:
    html_file.write(result.value)

将Docx 转换为MD

使用命令行：

$ mammoth .\sample.docx output.md --output-format=markdown

使用Python：

with open("sample.docx", "rb") as docx_file:
    result = mammoth.convert_to_markdown(docx_file)
with open("sample.md", "w") as markdown_file:
    markdown_file.write(result.value)