我们如何在 XSLT 中将 Microsoft Word DOCX 文件转换为 HTML？

Question

我有一个关于将 Word DOCX XML (OOXML) 文件转换为 HTML 格式的项目。

我使用 XML Spy 和 XSLT、XPath、XML 进行此转换。

想象一下我用 XSLT 编写程序并转换它的单个 Word 文件。但是我的主管说，如果我更改文件中的值，该方法将不起作用。

我同意这一点，因为我只为该文档指定了代码，因为我知道其中包含的内容。

但是，我们如何在 XSLT 中编写通用代码来将所有 Word 文件转换为格式良好的 HTML 文档（因为 Word 文档可能彼此有很大不同）？

问题是我想用 XSLT 来做吗？这里有什么不对吗？或者我只是对此太混乱了。

Answer 1

您使用 XSLT 将 DOCX 文件转换为 HTML 的计划从根本上是合理的。XSLT 非常适合此目的，因为它非常适合从 XML 映射到 XML（或 (X)HTML）。

您面临的挑战是基于 DOCX 的 XML 很复杂。 Ecma Office Open XML 第 1 部分 - 基础知识和标记语言参考就超过 5K 页。如果您非常了解 XML、XML 名称空间、XSLT、HTML 和 CSS，那么您“只需”学习 OOXML 的一些基础知识即可开始。

如果您从根本上理解 OOXML，那么您不必担心更改值。从段落中文本运行的概念开始：w:t,w:r和w:p。

Eric White撰写了大量关于 OOXML 的文章，甚至专门将其转换为 HTML。有关优秀文章和示例，请参阅将 Open XML WordprocessingML 转换为 XHtml。