everythingtohtml

5个月前发布 215 00

everythingtohtml 是 markitdown 的"反向版":markitdown 把富文档拍平成 Markdown,而它把各种文件抬升成干净、带样式、自包含的 HTML——你可以直接在浏览器里打开、嵌进网页,或交给需要结构化标记的流程处理。

所在地:
中国
收录时间:
2026-06-12
everythingtohtmleverythingtohtml

在文档格式碎片化的今天,如何快速、统一地查看和处理各类文件?everythingtohtml 提供了一个优雅的解决方案。作为一个开源的 Python 库和 CLI 工具,它能将 PDF、Word、Excel、PowerPoint、EPUB、Markdown、CSV、JSON 等 20 多种格式转换为干净、自包含且带样式的 HTML5 文档。不同于将有损压缩为 Markdown 的工具,everythingtohtml 致力于“抬升”文档结构,保留表格、章节、链接及样式,让任何浏览器都能成为你的万能文件阅读器。

everythingtohtml

核心亮点:高保真、自包含、可扩展

1. 保留完整结构与样式

  • 拒绝有损转换:HTML 能原生支持 <table>、<section>、列表及嵌套数据,避免 Markdown 在处理复杂排版时的信息丢失。
  • 自包含单文件:生成的 HTML 包含所有必要样式(支持暗色模式),无需外部 CSS/JS 依赖,方便分享、嵌入或归档。
  • 智能标题识别:自动提取文档元数据中的标题,便于后续索引与管理。

2. 强大的文档处理能力

  • 多文档合并:可将多个不同格式的文档(如 .docx + .pdf)合并为一个带目录的长页面。
  • 并排对比与差异高亮:支持将两个文档并排展示,或生成逐行高亮的差异报告(Diff),极大提升审阅效率。
  • 远程资源支持:直接转换 URL(如 RSS/Atom 订阅),实现即时网页抓取与标准化。

3. 可插拔转换器架构

  • 模块化设计:基于 DocumentConverter 基类,每种格式由独立的小类处理。
  • 易于扩展:只需编写一个简单的 Python 类并注册,即可支持新格式。支持通过 entry points 加载第三方插件。
  • 稳健容错:引擎按优先级尝试转换器,若某转换器失败则自动回退至下一个,确保转换成功率。

支持格式一览

类别格式额外依赖
基础文本.txt, .md, .html, .csv, .tsv, .json, .yaml, .rst无 (内置)
办公文档.docx, .xlsx, .pptx, .odtpip install everythingtohtml[docx/xlsx/pptx]
老旧格式.doc (推荐 LibreOffice), .xlspip install everythingtohtml[doc]
出版与邮件.pdf, .epub, .emlpip install everythingtohtml[pdf]
数据与笔记.ipynb, .jsonl, .rss, .atom无 (内置)

(注:安装 everythingtohtml[all] 可一次性获取所有格式支持)

快速开始

1. 安装

# 核心安装(仅支持文本/CSV/JSON等)
pip install everythingtohtml

# 全格式安装(推荐)
pip install "everythingtohtml[all]"

2. 命令行使用 (CLI)

# 单文件转换
everythingtohtml report.docx -o report.html
# 或使用别名
e2h notes.md -o notes.html

# 管道操作
cat data.csv | e2h --extension .csv > data.html

# 多文档合并
e2h intro.docx chapter1.pdf appendix.txt -o handbook.html

# 并排对比
e2h old_spec.docx new_spec.docx --columns -o compare.html

# 差异高亮
e2h spec-v1.docx spec-v2.docx --diff -o changes.html

3. Python API 使用

from everythingtohtml import EverythingToHtml

eth = EverythingToHtml()

# 从文件路径转换
result = eth.convert("quarterly-report.xlsx")
print(result.html)        # 完整的 HTML 字符串
print(result.title)       # 识别到的标题

# 从字节流转换(需提示扩展名)
from everythingtohtml import StreamInfo
with open("data.json", "rb") as f:
    result = eth.convert(f, stream_info=StreamInfo(extension=".json"))

# 合并文档
merged = eth.merge(["intro.docx", "chapter1.pdf"], layout="chapters")

适用场景

  • 统一文档预览:构建内部知识库或网盘系统时,无需为每种格式部署专用预览服务,统一转为 HTML 即可在浏览器中查看。
  • 数据快速可视化:将 CSV/JSON 数据直接转为带样式的 HTML 表格,方便非技术人员查阅。
  • 文档审阅与协作:利用合并与差异高亮功能,快速比对合同、代码规范或技术文档的版本变更。
  • 个人数字图书馆:将 EPUB、PDF 及各类笔记统一转换为 HTML,建立可全文检索、支持暗色模式的个人阅读库。

everythingtohtml 填补了“富文档”与“Web 标准”之间的鸿沟。它不仅仅是一个转换工具,更是一个文档结构化的基础设施。通过保留语义、样式及交互能力,它让静态文件在 Web 环境中重新焕发生机。

相关导航

腾讯云代码助手

腾讯云代码助手

腾讯云代码助手是由腾讯云自研的一款开发编程提效辅助工具,开发者可以通过插件的方式将腾讯云代码助手安装到编辑器中辅助编程工作(VS Code 或者 JetBrians 系列 IDE);而腾讯云代码助手插件将提供:自动补全代码、根据注释生成代码、代码解释、生成测试代码、转换代码语言、技术对话等能力。通过腾讯云代码助手,开发者可以更高效地解决实际编程问题,提高编程效率和代码质量。