By name: docx-to-html description: "每当用户拥有一个 DOCX 文件（.docx）并希望对其进行转换、阅读、查看、提取内容或以任何方式处理它（包括总结、在浏览器中显示、提取表格或列表，或将文件数据输入到 AI 流程中）时，请使用此技能。对于任何涉及 DOCX 文件的任务，即使请求看起来很简单，也请始终使用此技能。触发条件包括：'convert docx'、'open word file'、'read word document'、'extract tables from docx'，或任何提及 DOCX 文件名的操作。"
DOCX 到 HTML 转换器
该技能提供了一种简单的方法，可以将 Microsoft Word (.docx) 文档转换为结构清晰、语义丰富的 HTML，使其适用于各种基于 Web 和 AI 的应用程序。
兼容性
- Python 3（用于转换封装脚本）
- 安装了
mammoth的 Node.js（核心转换引擎）
要安装 Node.js 依赖项，请从 scripts/ 目录运行以下命令：
npm install
使用场景
- 基于浏览器的查看：将 DOCX 文档转换为可在浏览器中显示的格式，而无需安装 Microsoft Word。
- 适用于 AI 的内容：为大型语言模型（LLM）准备 DOCX 内容，用于摘要、问答和语义搜索等任务。
- Web 集成：将 Word 文档内容集成到 Web 应用程序、内容管理系统（CMS）或在线编辑器中。
- 数据提取：从 DOCX 文件中提取结构化数据（表格、列表、标题）以用于自动化报告和分析。
- 搜索和索引：通过将 DOCX 内容转换为易于索引的 HTML，实现全文搜索和矢量搜索。
工作流程
定位 DOCX 文件：确定要转换的
.docx文件的路径。运行转换脚本：从技能的
scripts/目录执行 Python 封装脚本：python3 <skill-dir>/scripts/convert.py <input_path.docx> <output_path.html>请将
<skill-dir>替换为实际安装此技能的路径。验证输出：在浏览器中打开生成的
.html文件并检查：- 标题（
<h1>、<h2>等）以正确的层次结构显示 - 表格按预期显示行和列
- 列表以项目符号或编号项的形式显示（而不是纯文本）
- 粗体、斜体和内联格式得到保留
- 图片可见（默认情况下以 base64 格式嵌入）
- 标题（
处理 HTML：使用生成的 HTML 进行进一步处理，如摘要、索引或显示。
搭配资源
scripts/docx-converter.js：使用mammoth.js的核心 Node.js 转换逻辑。scripts/convert.py：用于调用 Node.js 转换器的 Python 封装脚本。scripts/package.json：Node.js 依赖项清单（包含mammoth）。
技术细节
该转换过程依赖于 mammoth.js，它优先考虑文档的语义含义而非视觉呈现：
- 语义转换：文档结构被映射到相应的 HTML 标签中——标题变为
<h1>/<h2>，列表变为<ul>/<ol>等。 - 基本样式：粗体、斜体和常见的段落样式得到保留。
- 图片嵌入：图片被提取并以 base64 数据 URI 的形式嵌入到 HTML 输出中。
故障排除
| 问题 | 可能原因 | 解决方法 |
|---|---|---|
node: command not found |
未安装 Node.js | 安装 Node.js（版本 16 或更高） |
Cannot find module 'mammoth' |
npm 依赖项缺失 | 在 scripts/ 目录中运行 npm install |
| 输出为空或混乱 | DOCX 文件损坏或受密码保护 | 尝试重新从 Microsoft Word 保存文件 |
| 图片缺失 | 嵌入的图片过大 | 查看 docx-converter.js 中 mammoth.js 对图片大小的限制 |
限制
- 原始 DOCX 文件中的高级或特定样式可能无法在 HTML 输出中完美再现。
- 如跟踪更改、注释或复杂布局元素等功能可能会被简化或省略。