使用嵌入字体和内嵌图像的 DOC 到 HTML 文件转换答案

【问题标题】：DOC to HTML file conversion with embedded fonts and inline images使用嵌入字体和内嵌图像的 DOC 到 HTML 文件转换
【发布时间】：2019-12-25 08:52:27
【问题描述】：

我正在尝试将 Doc/Docx 文件转换为 HTML。到目前为止，我发现使用 LibreOffice 可以在无头模式下实现它。我能够将文档转换为 HTML，并能够使用以下命令（在 osx 中）内嵌图像：

soffice --convert-to html:HTML:EmbedImages file_to_convert

和在 ubuntu 中，命令是：

libreoffice --convert-to HTML:HTML --outdir ${outputPath} ${file.fullPath}

当文档从 doc 转换为 HTML 时，字体不会以 base64 格式嵌入 HTML 文件中。它创建一个没有嵌入字体的 HTML 文件。是否有任何解决方案可以在 HTML 文件中将字体嵌入为 based64 格式，以使输出的 html 与 doc/docx 内容完全相同？

【问题讨论】：

【解决方案1】：

如果您不反对学习新东西，我建议您研究 Python 模块 'python-docx' here。

有了它，您可以制作或更新 Docx 文件。它还可以打开 Docx 文件，您可以使用它来编写自定义转换脚本。我一直在用它来将 HTML 转换为 Docx，它非常有用。

【讨论】：