aspose.words
使用的是aspose.words的库，相关参考：
Convert WORD To HTML - Python (aspose.com)
找了很多方案，感觉这个是转换效果最好的
docker实现
阅读官方的文档，aspose.words需要的环境比较复杂，因此考虑做成一个docker镜像实现
需要的环境：gcc6+,python3,donet/runtime
dockerfile：
FROM mcr.microsoft.com/dotnet/runtime:latest
RUN apt-get update && apt-get install -y build-essential
RUN apt-get update && apt-get install -y python3.9 python3.9-dev pip
ARG ENVTYPE
ENV EXCHANGE_ENV=$ENVTYPE
ENV PIP_MIRROR=http://mirrors.aliyun.com/pypi/simple/
ENV PIP_TRUST_HOST=mirrors.aliyun.com
ADD . /
RUN cp -f /usr/share/zoneinfo/Asia/Shanghai /etc/localtime
RUN pip install --upgrade pip -i $PIP_MIRROR --trusted-host $PIP_TRUST_HOST
RUN pip install pyinstaller -i $PIP_MIRROR --trusted-host $PIP_TRUST_HOST
RUN pip install \
-i $PIP_MIRROR --trusted-host $PIP_TRUST_HOST \
aspose-words
文件写好后执行docker命令
docker build -t words:v1 .
编写word.py处理word
import aspose.words as aw
lic = aw.License()
try:
lic.set_license("/var/www/Aspose.Words.Python.NET.lic")
print("License set successfully.")
except RuntimeError as err:
# We do not ship any license with this example, visit the Aspose site to obtain either a temporary or permanent license.
print("\nThere was an error setting the license: {0}".format(err))
doc = aw.Document("/var/www/aaa.docx")
doc.save("/var/www/Output.html")
申请的是试用lic：Aspose.Words.Python.NET.lic有效期一个月，感觉确实比libreoffice转换的效果要好很多
word转html执行
假设你的word.py和待转换的aaa.docx在/home/tmp目录
执行命令：
docker run --rm -v /home/tmp:/var/www words:v1 python3 /var/www/word.py
容器运行完毕后就会在/home/tmp目录中生成Output.html，如果文档中包含图片，会生成图片
- --rm 表示运行后删除容器
- -v /原目录:/目标目录 都是绝对路径，用于将执行docker环境的目录挂载到docker容器中
- words:v1 就是指定的镜像名称及版本
图片处理
可以根据html中img的src，读取图片，然后上传到对象存储中，将本地图片路径替换为对象存储路径
到此为止，一份完整的html就搞好了
html标签内的style，如果不要，可以用一些过滤的方式将其剔除，可以在js中进行处理
