在 AWS Lambda 上使用 Python 将 MS Word（.doc 和 .docx）文件转换为 HTML

Posted 2023-02-24

【中文标题】在 AWS Lambda 上使用 Python 将 MS Word（.doc 和 .docx）文件转换为 HTML

【英文标题】：Convert MS Word (.doc and .docx) file to HTML using Python on AWS Lambda

【发布时间】：2016-11-29 16:47:48

【问题描述】：

尝试在 AWS Lambda 上使用 Python 将 MS Word 文件转换为 html。对于 .docx，我知道有一个名为 python-docx 的库。但是当谈到 .doc 时，我仍然找不到一个优雅而简单的解决方案，因为大多数可能的解决方案都是使用 LibreOffice 或 OpenOffice。

有没有办法制作一个可移植版本的 LibreOffice/OpenOffice，可以通过 AWS Lambda 上的 Python 脚本进行操作？或者，是否有我省略的 .doc 文件的 Python 库？

【问题讨论】：

您找到解决方案了吗？如果是这样，请分享您的经验。我还想在 Lambda 中使用 LibreOffice/OpenOffice 的一些功能。基本上我想将 .doc 文件转换为 .pdf。

【参考方案1】：

如果您正在寻找在 AWS Lambda 中运行的 LibreOffice，这可能会对您有所帮助。最近我设法创建了一个在 Lambda 中运行的便携式版本。

https://github.com/vladgolubev/serverless-libreoffice

【参考方案2】：

不幸的是，目前似乎没有优雅的解决方案来解决这个问题。我曾尝试制作 LibreOffice/OpenOffice 的便携版本，但最大的问题是大小，超出了 AWS Lambda 的限制。

也许您想尝试一下 Pandoc，尽管它无法处理 .doc 文件。但我在 AWS Lambda 上成功使用了它。您可以访问here 了解如何为 AWS Lambda 制作便携式版本。