DOCX 转纯净 HTML 发布助手

问题背景：Word 文档卡在发布流水线入口

团队的内容生产往往以 .docx 收尾：作者在 Word 里排版完稿，接下来却要发布到网站、导入 CMS，或作为素材进入下游的清洗与分发流程。麻烦在于，.docx 里真正有价值的是标题层级、列表、表格这类语义结构，而文件本身携带的大量信息是 Word 私有的样式规则和本地化排版指令。直接把原始文档丢进流水线，得到的要么是带着一堆 mso- 前缀样式的脏 HTML，要么是格式错乱的文本。

技能如何工作：靠 Mammoth 保留语义、剥离样式

这个技能基于 Mammoth，把 DOCX 到 HTML 的转换封装成一条清晰的处理路径：

• 语义优先：标题映射为 h1–h6，列表映射为 ul/ol，表格保留 table 结构，加粗与强调对应 strong/em——而不是复制 Word 的视觉样式。
• 样式剥离：转换过程丢弃 Word 特有的样式表与分页指令，输出的 HTML 干净、结构化，方便后续用 CSS 重新排版或直接入库。
• 面向流水线：输出定位是发布与内容摄取，拿到 HTML 后可以立刻交给渲染层、编辑器或 Markdown 转换环节继续加工。

使用路径很直接：准备一个 .docx 文件，交给 Mammoth 转换，拿到结构化 HTML 后接入发布工作流。Mammoth 本身是跨语言的工具，除 Node.js 环境外也有 Python、浏览器、Java 等实现，技能文档里也提到与 WordPress 等平台的配合。

适用边界与注意点

• 不做视觉保真：字体、颜色、页边距等排版细节不会被保留，输出的 HTML 需要靠目标站点的样式重新渲染。
• 不是文档编辑器：技能解决的是「转换」这一个环节，后续的内容修改请在编辑器或发布系统中完成。
• 复杂文档可能降级：Word 中的域、宏、复杂多级编号等动态内容，转换后可能丢失或降级为静态文本，正式使用前建议抽样验证。