Какие элементы Word-документа сохраняются в HTML?

Mammoth маппит стили Word на семантические HTML-теги: Heading 1-6 в - , маркированные и нумерованные списки в / , таблицы в , жирный/курсив в / , гиперссылки в . Изображения извлекаются как base64 data-URI и встраиваются в .

Можно ли подключить собственный CSS вместо встроенного?

Да. По умолчанию в вставляется минимальный GitHub-style CSS (max-width 980px, читаемые шрифты), но опция embed_css=False отключает его — конвертер вернёт чистую разметку без , и вы подключите свою таблицу стилей через .

Что происходит со встроенными изображениями?

Картинки из docx (word/media/) кодируются в base64 и встраиваются прямо в HTML как . Файл получается самодостаточным, но размер растёт пропорционально объёму графики. Опция full_document=False вернёт только фрагмент для встраивания в CMS.

Поддерживается ли кириллица и сложное форматирование?

Кириллица из DOCX (Times New Roman, Arial, Calibri) переносится как UTF-8 без потерь. Mammoth не поддерживает текстовые блоки, колонтитулы и сноски — это сознательное ограничение в пользу семантической чистоты HTML. Сложные художественные эффекты Word теряются.

DOCX

Исходный формат

HTML

Целевой формат

Конвертировать DOCX в HTML

Превратите Word-документ в семантическую веб-страницу с заголовками H1-H6, списками и таблицами — готово к публикации в блоге или CMS.

Перетащите DOCX файлы сюда

или выберите файлы для конвертации

Семантическая разметка

Стили Word превращаются в правильные теги h1, h2, ul, ol, table

Кириллица без потерь

UTF-8 на всех этапах, без mojibake и битых кодировок

Самодостаточный файл

Картинки встраиваются как base64 — один HTML без внешних зависимостей

О форматах

DOCX и HTML — два разных подхода к разметке текста

DOCX

DOCX формат

Office Open XML, ECMA-376

DOCX — это ZIP-контейнер с XML-файлами внутри (word/document.xml, word/styles.xml, word/media/). Стандартизирован как ECMA-376 и ISO/IEC 29500. Хранит абзацы со стилями, таблицы, изображения и метаданные. Открывается Word, LibreOffice Writer, Google Docs.

СтандартECMA-376

КонтейнерZIP + XML

С 2007 годаWord 2007+

MIMEvnd.openxml…

HTML

HTML формат

HyperText Markup Language

HTML5 — стандарт W3C/WHATWG для веб-документов. Текстовый формат с теговой разметкой: h1-h6, p, ul, ol, table, img, a. Универсально читается всеми браузерами и поисковыми роботами. Идеален для блогов, документации, статей и любого веб-контента.

СтандартHTML5

ТипТекстовая разметка

КодировкаUTF-8

SEOИдеально

Сравнение форматов

Когда DOCX, когда HTML

Характеристика DOCX HTML

Публикация в браузере без конвертации

Индексируется поисковиками

Удобное редактирование текста

Точное визуальное оформление

Лёгкая интеграция в CMS

Стилизация через CSS

Адаптивность под мобильные

Как конвертировать

Три шага от Word-файла до готовой HTML-страницы

Загрузите DOCX

Перетащите Word-документ в область загрузки или выберите файл с диска. Принимается только современный .docx (не .doc).

Mammoth парсит документ

Библиотека mammoth (Apache 2.0, pure Python) распаковывает ZIP, читает word/document.xml и маппит стили на семантические HTML-теги.

Скачайте HTML

Готовая страница с встроенным CSS и base64-картинками — открывается в любом браузере и копируется в любую CMS.

Частые вопросы

Технические детали конвертации DOCX в HTML

Mammoth маппит стили Word на семантические HTML-теги: Heading 1-6 в <h1>-<h6>, маркированные и нумерованные списки в <ul>/<ol>, таблицы в <table><tr><td>, жирный/курсив в <strong>/<em>, гиперссылки в <a href>. Изображения извлекаются как base64 data-URI и встраиваются в <img>.

Да. По умолчанию в <head> вставляется минимальный GitHub-style CSS (max-width 980px, читаемые системные шрифты), но опция embed_css=False отключает его — конвертер вернёт чистую разметку без <style>, и вы сможете подключить свою таблицу стилей через <link rel="stylesheet">.

Картинки из docx (папка word/media/ внутри ZIP) кодируются в base64 и встраиваются прямо в HTML как <img src="data:image/png;base64,...">. Файл получается самодостаточным — никаких внешних ссылок и CDN, но размер растёт пропорционально объёму графики. Опция full_document=False вернёт только фрагмент <body> для встраивания в готовую страницу или CMS.

Кириллица из DOCX (Times New Roman, Arial, Calibri) переносится как UTF-8 без потерь — никакого Windows-1251. Mammoth не поддерживает текстовые блоки, колонтитулы, сноски и поля типа «дата создания» — это сознательное ограничение в пользу семантической чистоты HTML. Сложные художественные эффекты Word (тени, объём, WordArt) теряются — это нормально для веба.

Да, полностью безопасно. Все файлы передаются по HTTPS и автоматически удаляются с серверов через 2 часа после конвертации. Mammoth — это pure-Python библиотека под лицензией Apache 2.0, обработка происходит локально на нашем VPS, никаких внешних API или облачных сервисов не используется.

Готовы конвертировать?

Загрузите DOCX и получите готовую HTML-страницу для публикации

Начать конвертацию