如何用docx库将.doc转为.docx？解决Mammoth不支持.doc转HTML问题

首先明确核心问题：

• .doc是二进制OLE复合文档格式，并非UTF-8编码的文本文件，直接用TextDecoder("utf-8")解码必然得到乱码，这是格式本身的特性决定的。
• docx库的定位是创建、编辑docx文件，不具备解析旧版.doc格式的能力，用它处理.doc文件从一开始方向就错了。

正确处理流程 #

要实现.doc转HTML，需先将.doc格式转换为Mammoth支持的docx格式，再用Mammoth完成HTML转换。推荐在Node.js环境下借助第三方工具完成格式转换：

方案1：使用libreoffice-convert（依赖本地LibreOffice）

该库通过调用本地安装的LibreOffice完成格式转换，支持.doc转docx：

1. 安装依赖：

npm install libreoffice-convert

2. 确保本地已安装LibreOffice（Windows/macOS/Linux均支持），并配置好环境变量（让系统能识别soffice命令）。

3. 示例代码：

const libre = require('libreoffice-convert');
const fs = require('fs').promises;
const mammoth = require('mammoth');

async function docToHtml(docFilePath) {
    // 读取.doc文件的二进制Buffer
    const docBuffer = await fs.readFile(docFilePath);
    
    // 将.doc转换为docx
    const docxBuffer = await new Promise((resolve, reject) => {
        libre.convert(docBuffer, '.docx', undefined, (err, done) => {
            if (err) reject(err);
            else resolve(done);
        });
    });
    
    // 用Mammoth将docx转HTML
    const result = await mammoth.convertToHtml({ buffer: docxBuffer });
    return result.value; // 转换后的HTML内容
}

// 调用示例
docToHtml('./example.doc').then(html => {
    console.log(html);
}).catch(err => {
    console.error('转换失败:', err);
});

方案2：使用unoconv-promise（依赖LibreOffice）

unoconv是基于LibreOffice的命令行工具，可通过Node.js封装调用：

npm install unoconv-promise

示例代码：

const unoconv = require('unoconv-promise');
const mammoth = require('mammoth');
const fs = require('fs').promises;

async function docToHtml(docFilePath) {
    // 将.doc转成docx文件
    await unoconv.convert(docFilePath, 'docx');
    const docxFilePath = docFilePath.replace('.doc', '.docx');
    
    // 读取docx并转HTML
    const docxBuffer = await fs.readFile(docxFilePath);
    const result = await mammoth.convertToHtml({ buffer: docxBuffer });
    
    // 可选：删除临时docx文件
    await fs.unlink(docxFilePath);
    
    return result.value;
}

浏览器环境说明 #

如果是前端浏览器中处理.doc文件，由于浏览器无法直接调用LibreOffice，建议将.doc文件上传到后端，由后端完成上述格式转换和HTML生成后，再返回结果给前端。目前没有成熟的纯JS前端库能可靠解析旧版.doc格式。

内容的提问来源于stack exchange，提问作者Minh Quang Lê