Biblioteca para convertir texto del documento de Word a HTML

Question

¿Hay una biblioteca de código abierto .Net para convertir la palabra dococument a HTML para mostrar el interior de la página web.

Conozco varias herramientas para convertir documentos de Word a archivos HTML, pero mis requisitos es para convertir el doc (ya sea desde el archivo o simplemente texto extraído) a HTML sobre la marcha de la aplicación ASP.Net.

me encontré con la biblioteca converting-a-word-document-into-usable-html-in-php PHP hacer la misma cosa, ¿hay alguna herramienta similar en .net?

Answer 1

Lo que desea convertir un archivo * .doc a HTML? ¿Guardarlo como un archivo HTML es una opción?

No es el método estándar .SaveAs que tiene la opción de guardar como HTML:

wdFormatHTML ahorra todo el texto y el formato con etiquetas HTML para que el documento resultante se puede ver en un explorador Web.

de: MSDN SaveAs Method

Un ejemplo tutorial sobre cómo utilizar el método para convertir .doc a un formato diferente se puede encontrar aquí: How to convert DOC into other formats using C#.

Si tiene archivos * .docx en lugar de archivos * .doc, es aún más fácil porque puede utilizar la API de OpenXML como se explica en MSDN aquí: Manipulating Word 2007 Files with the Open XML Format API (Part 1 of 3). Y si obtiene el XML del archivo de Word, puede, por supuesto, enviarlo a cualquier formato (HTML) que desee.

Answer 2

convertir sus archivos doc a pdf con la ayuda de JOdConverter y OpenOffice

Ver How to convert ppt to images in Ruby? para referencia

y luego usar pdftohtml (http://pdftohtml.sourceforge.net) una utilidad que convierte archivos PDF a HTML.

Usted obtendrá resultados sorprendentes.