Usando Apache POI es relativamente facil hacerlo. Asi que podemos usar NPOI para hacer la trasformación en C#.
Usando como base esta respuesta de Convert Word to HTML with Apache POI
Versión para java
HWPFDocumentCore wordDocument = WordToHtmlUtils.loadDoc(new
FileInputStream("D:\\temp\\seo\\1.doc"));
WordToHtmlConverter wordToHtmlConverter = new WordToHtmlConverter(
DocumentBuilderFactory.newInstance().newDocumentBuilder()
.newDocument());
wordToHtmlConverter.processDocument(wordDocument);
Document htmlDocument = wordToHtmlConverter.getDocument();
ByteArrayOutputStream out = new ByteArrayOutputStream();
DOMSource domSource = new DOMSource(htmlDocument);
StreamResult streamResult = new StreamResult(out);
TransformerFactory tf = TransformerFactory.newInstance();
Transformer serializer = tf.newTransformer();
serializer.setOutputProperty(OutputKeys.ENCODING, "UTF-8");
serializer.setOutputProperty(OutputKeys.INDENT, "yes");
serializer.setOutputProperty(OutputKeys.METHOD, "html");
serializer.transform(domSource, streamResult);
out.close();
String result = new String(out.toByteArray());
System.out.println(result);
Trasformamos esto a C#
HWPFDocumentCore wordDocument = WordToHtmlUtils.LoadDoc(@"D:\Hola.doc");
WordToHtmlConverter wordToHtmlConverter = new WordToHtmlConverter(
new XmlDocument());
wordToHtmlConverter.ProcessDocument(wordDocument);
XmlDocument htmlDocument = wordToHtmlConverter.Document;
htmlDocument.Save(@"D:\Hola.html");
Te recomiendo que no bajes NPOI por nuget (versión actual 2.2.1) y uses la versión 2.1.3.1 pero de la pagina oficial ya que se necesitan dos archivos mas que no vienen en nuget NPOI.ScratchPad.HSSF.dll
y NPOI.ScratchPad.HWPF.dll
ambos compilados con NET Framework 2.x y necesita que las otras librerias sean de la version 2.x tambien. Estos 2 archivos los puedes descargar del Github de NPOI
Haciendo pruebas parece que la versión de NPOI tiene un bug en el resultado final del HTML, ya que para simular el formato crea el estilo con la primera letra del tipo de etiqueta y un numero incremental
<!-- ejemplo POI java-->
span.s1{color:red;}
...
<span class="s1">Hola</span>
pero por alguna razón la versión de NET no los genera bien
<!-- ejemplo NPOI C#-->
span.s1{color:red;}
...
<span>Hola</span>
Quiza tenga que ver con el Transformer
pero no se cual sera la equivalencia en C#
Haciendo un cuenta manual, puede que ya no necesite mas para que se vea bien la salida
....
XmlNode node = htmlDocument.FirstChild.LastChild; //encontramos el body
EditNode(node); //metodo de edición recursiva
htmlDocument.Save(@"D:\tmp18\Hola.html");
}
Dictionary<string, int> cuenta; //para llevar la cuenta de cada elemento
private void EditNode(XmlNode node) {
try
{
XmlElement xe = (XmlElement)node;
xe.SetAttribute("class", cuenta[xe.LocalName].ToString()); //localName seria span o p por ejemplo
cuenta[xe.LocalName] += 1;
}
catch (Exception) { return; }
if (node.HasChildNodes) {
foreach (XmlNode x in node.ChildNodes) {
EditNode(x);
}
}
}