Word 转 HTML

「Word 转 HTML」把 .docx 文档转换成一段 HTML 代码。选择文件后,页面会先给出渲染预览,再列出 HTML 源码,你可以点击「复制代码」或「下载html」。它会保留标题、段落、加粗、斜体、列表、链接和表格这些基础结构,但不保留精确的字体、颜色和间距。显示和复制的是文档正文的代码片段,下载的文件会加上最基本的 doctype、编码声明和 title,但没有样式表;只支持 .docx 格式,旧版 .doc 需要先在 Word 里另存为 .docx。

操作步骤

1. 点击虚线框「点击选择 .docx 文件」,选中要转换的文件。
2. 页面显示「正在转换…」,完成后出现「预览效果」区域,白底显示转换后的网页效果。
3. 核对预览之后,在「HTML 源码」区域查看代码。点击「复制代码」可以复制,点击「下载html」可以保存为文件,文件名是原文件名加上 .html。
4. 把复制到的代码粘贴到网页编辑器、邮件模板或内容管理系统的「源代码」模式里使用。

一个实际生成的例子

我们用同一个转换库(mammoth)处理了一份预先生成的 .docx 测试文档,里面有一个二级标题、一张 1×1 像素的小图片、一段带超链接的文字,另外还有一个三级标题。得到的 HTML 是:二级标题变成 h2 标签,三级标题变成 h3 标签;超链接变成带 href 的 a 标签;设置了下划线的文字没有保留下划线;设置了删除线的文字变成了 s 标签;图片默认被直接嵌入成 img 标签,src 是以 data:image/png;base64 开头的一长串编码(取消勾选「包含图片」后不再生成 img 标签)。另一份含项目符号列表、编号列表和两行两列表格的文档,则转成了 ul、ol 和 table 标签,表格里每个单元格的文字都包在 p 标签中,并且没有表头 th 标签。这个例子说明:结构大体保留,但是细节有取舍,图片会让代码变得很长。

支持范围与已知限制

• 只支持 .docx。选择旧版 .doc 或无效文件会提示「无法转换这份文件,请确认上传的是有效的 .docx 文件(不支持旧版 .doc 格式)。」
• 标题是否转成 h1、h2 等,取决于你在 Word 里是否用了「标题 1」「标题 2」这类内置样式。只是把字号调大、加粗的普通段落,会被当成普通段落。
• 「包含图片」默认勾选:图片会被转成 base64 编码并直接写进 HTML,文档里图片多或者图片大时,生成的代码会非常长。取消勾选后所有 img 标签都会被去掉(不留占位文字),切换后会立即重新转换;图片不会被导出成单独文件。
• 字体、字号、颜色、行距、页边距、下划线等样式不会保留。
• 表格会转成 table 标签,但是没有表头标签和边框样式,直接放进网页后看起来是没有线条的。
• 输出前会经过 DOMPurify 净化处理,用来移除可能带有脚本的危险内容,因此少数特殊内容可能被去掉。
• 点「下载html」得到的文件是完整的网页(包含 doctype、UTF-8 字符编码声明和 title),可以直接双击打开;而「复制代码」复制的仍然只是正文片段,不含这些外壳。
• 预览区域的最大高度是固定的,内容较多时在预览框里滚动查看。

常见问题:为什么我的标题没有变成 h1?

转换依据的是 Word 文档里的段落样式。只有应用了内置的「标题 1」到「标题 6」样式的段落才会被识别为标题。如果你的文档只是手动把字变大变粗,工具无法判断那是标题,就会输出普通段落。回到 Word 里,用「开始」选项卡的样式库重新给标题套用样式,再转换一次即可。

常见问题:生成的代码里为什么有一大串乱码一样的字符?

那是图片(如不需要,可取消勾选「包含图片」)。文档中的每一张图片都会被编码成 base64 文本直接放进 img 标签里,这样一份 HTML 不需要额外的图片文件就能显示图片,代价是代码变长。如果你打算放到网站上,通常需要把图片单独导出并改成普通的图片地址。

常见问题:这段 HTML 可以直接发布到网站吗?

可以作为内容片段使用,但是不要把它当成完整页面。复制出的代码没有 doctype、head 和样式(下载的文件只带最基本的外壳,同样没有样式),你需要把它放进自己的页面模板里,并自己提供样式。发布前请在预览和你的网站里再检查一遍,尤其是表格和图片。

常见问题:工具会不会在输出里留下脚本?

转换后的代码会先交给 DOMPurify 做净化,再显示和下载,目的是去掉脚本等可能有风险的内容。不过净化只是一层防护,如果文档来源不可信,把代码放到网站前仍然建议自己审查。

常见问题:和「Word 转 Markdown」有什么区别?

两者都是先把文档转成 HTML。本工具直接输出 HTML,保留表格和删除线等内容;「Word 转 Markdown」会再把 HTML 转成 Markdown 语法,表格会被拆成普通段落。如果你要发布到网页,用本工具;如果要写进支持 Markdown 的文档或笔记软件,用后者。

隐私与处理方式

文件在浏览器里读取,并由页面按需加载的转换库在本地转换,净化也在本地完成,代码中没有把文档发送到服务器的网络请求。转换结果只存在于当前页面中,关闭或刷新页面后即消失。