dom-docx: تبدیل HTML به فایل Word واقعی
خلاصهٔ کاملتر
dom-docx یه کتابخونهٔ متنباز برای جاوااسکریپته که تکههای HTML رو به فایل docx بومی تبدیل میکنه. خروجیش OOXML واقعیه (یعنی همون فرمت XMLی که خود Word فایلهاش رو باهاش میسازه)، نه یه HTML که فقط تو Word باز شده. پاراگرافها، لیستها، جدولها و لینکها به المانهای خود Word تبدیل میشن و کاربر میتونه مثل هر سند معمولی ادیتشون کنه.
استفادهش سادهست: یه رشتهٔ HTML بهش میدی و یه فایل docx تحویل میگیری. تو Node اینجوریه:
import { writeFile } from "node:fs/promises";
import { convertHtmlToDocx } from "dom-docx";
const html = `<p>Revenue grew <strong>12%</strong> year over year.</p>`;
const docx = await convertHtmlToDocx(html);
await writeFile("output.docx", docx);نسخهٔ مرورگرش از مسیر dom-docx/browser میاد و یه Blob برمیگردونه. پس میشه یه دکمهٔ «Export to Word» مستقیم تو اپ گذاشت و هیچ فایلی به سرور نره. حالت پیشفرضش خوندن استایلهای inline هست. اگه HTMLت با کلاس و stylesheet استایل خورده، حالت computed به کار میاد که تو مرورگر از استایلهای زندهٔ DOM استفاده میکنه و تو خط فرمان به Playwright نیاز داره. یه CLI هم داره که با npx dom-docx یه فایل HTML رو مستقیم به docx تبدیل میکنه.
به گفتهٔ سازندهها، این پروژه با یه سؤال شروع شد: میشه با یه حلقهٔ autoresearch (یعنی چرخهای که خودکار تست میکنه، امتیاز میده و دوباره بهترش میکنه) به یه مبدل دقیقتر رسید؟ با بیش از ۴۰ نمونهٔ واقعی و امتیازدهی ماشینی، دقت چیدمانش به حدود اواسط ۹۰ درصد رسیده، در حالی که کتابخونههای جاافتاده حدود اواسط ۶۰ درصدن. یه API میزبانیشده برای تبدیل هم تو برنامهشونه.
نکات کلیدی:
- خروجی OOXML بومیه و پاراگراف و لیست و جدول و لینک تو Word قابل ادیتن
- هم پکیج npm برای Node داره هم باندل مرورگر از مسیر dom-docx/browser
- حالت پیشفرض استایل inline هست و حالت computed برای HTMLهای مبتنی بر کلاس
- تبدیل تو مرورگر بدون آپلود و بدون API key انجام میشه
- دقت چیدمان حدود اواسط ۹۰ درصد، در برابر اواسط ۶۰ برای کتابخونههای قدیمی




