代码之家 › 专栏 › 技术社区 › sandstrom

将文档/文档转换为语义HTML

docbook docx ms-word xml html

sandstrom · 技术社区 · 17 年前

我想将doc/docx文档转换为语义HTML。

一些愿望/要求:

不必直接从Doc/Docx转换为HTML,可以使用中间格式,如XML或DocBook。

应该是程序化的,并且有大量的文档。

到目前为止,我发现最接近解决方案的是 http://holloway.co.nz/docvert/index.html 但不幸的是,有许多错误,用户基数小,它不能处理很多文档。更多的是概念证明。

5 回复 | 直到 17 年前

Jukka Matilainen 17 年前

有个工具叫 upCast 它能够将Word文档转换为XML。

Josh Lee ZZ Coder 16 年前

“文档中的标题是” 我认为这是不可能的。因为MS Word只写下结果,有不同的风格 <p> 就像纸上打印的文本一样,原始信息不会被记录。

你的其他愿望可以实现。有两种商业工具可以做到这一点 (不要相信那些免费的工具或在线工具,它们不能完成真正的工作。)

Zapadoo的1字清洁工网址:www.zapadoo.com
Wonder Studio提供的2个HTML单词清除器 www.htmlcleaner.com

我更喜欢去年发行的第二部。你可以两者都试。

JasonPlutext 16 年前

docx4j(仅用于docx,而不是doc)写入干净的HTML输出。如果您想要<h1>而不是<p class=“h1”>,您需要进行一些更改,但它是开放源代码,因此您可以这样做。

ChrisW 15 年前

我编写了一个实用程序来实现您列出的需求,不包括图像、图表和数学公式。它是beta质量(即它在我的机器上工作)。我发表在 http://www.modeltext.com/word

Evolve 15 年前

只是更多的想法。

使用gmail转换Word文档

推荐文章

J_Cus504 · 在单匹配语句中使用身份变换和多谓词来沉默节点

1 年前

Rico Strydom · Linq to XML:如何基于文件中的其他元素获取元素

1 年前

surge3333 · 使用PowerShell构建XML

1 年前

Rashid Bilal · 主题更改时Android应用程序区域设置更改回英语

1 年前

Sandeep · XSLT代码,用于根据条件提取元素值

1 年前

Reto · XSLT 3.0突发流-如何存储/获取另一个分支的值

1 年前

ams_132 · 为什么这个youtube XML数据中的这些字段没有使用Rust中的quick XML正确反序列化

1 年前

SeveredTRUTH · 无法使用PowerShell从XML文件中的“Set”元素检索信息

1 年前

Maksym Kuzmych Yong Shun · 如何向XML属性添加命名空间前缀

1 年前

Ian Kemp · 如何从SelectXml调用本机XPath函数?

1 年前