使用python-docx与mammoth转换docx为HTML时如何映射样式到CSS

你可以根据实际需求选择以下几种可行方案，都能实现docx样式到CSS的映射转换：

• 利用mammoth原生的自定义样式映射功能
  多数人使用mammoth时只会调用默认转换配置，实际上它原生支持style_map参数，你可以预先定义docx段落、字符样式和HTML/CSS的对应规则，不需要引入额外依赖。解析文档时mammoth会自动匹配规则，给对应元素加上指定的CSS类或行内样式，适合样式固定的文档转换场景，输出的HTML代码冗余度很低。
  基础使用示例：

  import mammoth
  
  custom_style_map = """
  p[style-name='Title'] => h1.title:fresh
  p[alignment='CENTER'] => p.text-center
  p[alignment='RIGHT'] => p.text-right
  r[color='FF0000'] => span.text-red
  """
  
  with open("target.docx", "rb") as f:
      convert_result = mammoth.convert_to_html(
          f,
          style_map=custom_style_map
      )
  output_html = convert_result.value
  

• 基于python-docx自行实现样式映射逻辑
  你已经可以通过python-docx读取到对齐这类基础样式属性，只需要补充一层属性到CSS规则的固定映射即可，灵活度最高，不需要适配第三方工具的规则。常见docx属性和CSS的对应关系非常明确：

  • 段落对齐：枚举值0对应text-align: left，1对应text-align: center，2对应text-align: right，3对应text-align: justify
  • 字体颜色：读取run.font.color.rgb的十六进制值，直接对应CSScolor属性
  • 字号：读取run.font.size（单位为磅），直接转换为同数值pt单位的font-size属性即可
  • 加粗、斜体、下划线等格式分别对应font-weight: bold、font-style: italic、text-decoration: underline
    遍历文档段落、文字块生成HTML标签时，把读取到的样式拼接成行内style属性插入标签即可，需要支持什么特殊格式只需要补对应的映射规则就行。

• 调用pandoc实现全量样式自动转换
  如果待转换的docx样式复杂，不想手动编写映射规则，可以通过pypandoc调用本地pandoc程序完成转换。它会自动解析docx内绝大多数格式（包括对齐、字体、字号、颜色、缩进、段落间距等），自动生成匹配的CSS样式，格式还原度很高，基本不需要手动调整规则，适合复杂格式文档的批量转换。

使用该方案需要提前在本地安装pandoc程序，之后安装pypandoc库即可直接调用。

内容的提问来源于stack exchange，提问作者selimhan