如何在网页端使用JavaScript读取docx文件并保留文本换行符

方案1：基于现有docxtemplater依赖改造 #

docxtemplater内置的getFullText()方法默认会直接拼接所有段落文本，不会自动添加换行符，我们可以直接解析docx内的document.xml文件手动提取段落并追加换行，不需要引入额外依赖，修改后代码如下：

function openDocx(event) {
    var input = event.target;
    var reader = new FileReader();
    reader.onload = async function () {
        var zip = new JSZip(reader.result);
        // 读取docx内的 document.xml 源文件
        const xmlContent = await zip.file("word/document.xml").async("string");
        const paragraphRegex = /<w:p[^>]*>(.*?)<\/w:p>/g;
        const textRegex = /<w:t[^>]*>(.*?)<\/w:t>/g;
        const paragraphList = [];
        let paragraphMatch;
        // 遍历所有段落节点
        while ((paragraphMatch = paragraphRegex.exec(xmlContent)) !== null) {
            let paragraphText = '';
            let textMatch;
            // 提取单个段落内的所有文本内容
            while ((textMatch = textRegex.exec(paragraphMatch[1])) !== null) {
                paragraphText += textMatch[1];
            }
            // 可根据需求选择是否过滤空段落
            if (paragraphText) {
                paragraphList.push(paragraphText);
            }
        }
        // 用换行符拼接所有段落
        const finalText = paragraphList.join('\n');
        console.log(finalText);
    };
    reader.readAsBinaryString(input.files[0]);
};

方案2：改用专门的docx文本提取库mammoth.js #

如果需要更稳定的兼容能力（比如处理软换行、特殊格式文本），可以直接放弃docxtemplater，改用mammoth.js实现，它内置的extractRawText方法默认就会保留段落换行，实现逻辑更简单：

function openDocx(event) {
    var input = event.target;
    var reader = new FileReader();
    reader.onload = function () {
        mammoth.extractRawText({arrayBuffer: reader.result})
            .then(res => {
                const finalText = res.value;
                console.log(finalText);
            })
            .catch(err => {
                console.error('docx读取失败', err);
            });
    };
    reader.readAsArrayBuffer(input.files[0]);
};

内容的提问来源于stack exchange，提问作者Robert