DOCX 语义 HTML 提取
将 DOCX 转为净化语义 HTML。
计算示例
自行生成的示例含标题与段落，HTML 保留语义而非 Word 页面版式。
方法
Mammoth 用 externalFileAccess:false 并停用内嵌样式映射转换 DOCX。DOMPurify 移除链接、资源 URL、脚本／样式与主动内容。清理后 HTML 使用无脚本沙箱与受限 CSP，警告为本地化摘要。
适用限制
DOCX 最多 5 MiB。省略图片／超链接，不支持精确版式、旧 DOC、宏或密码文件。工作线程十秒，另有以下 Office 归档与 HTML 限制。
所有处理留在浏览器，工作线程在上述期限或取消时终止，不发送输入／记录至分析服务。
净化 HTML 最多 100 万字符／10,000 元素／深度 50，不保留链接、图片或主动内容。
Office ZIP 最多 2,000 项；实际展开最多 32 MiB 且不超过输入 100 倍，各 XML 最多 8 MiB。转换前拒绝 DTD／实体与穿越路径。
输入数据保留在此设备。只有经您同意的可选浏览量会被统计；计算值、文件、文件名与处理日志不发送至 Analytics。
切换语言时，文本、设置与所选文件会暂存于此设备，恢复后移除；中断的暂存会于后续访问清理。输入与文件不会上传。