如何将HTML文件转换为Word？

Question

我需要将HTML文档保存在内存中，并转换为Word .DOC文件。

有人可以给我一些链接，介绍可用于此目的的闭源和开源库吗？

另外，我还应该编辑这个问题并添加我使用的编程语言，以缩小选择范围。

- Mask

---

可以做到任何事情。你想在这上面花多少现金？ - user1228

现在这才是一个真正的问题。 - user1228

@Mask：是的，请指明您正在使用哪种编程语言。 - Alan

如果你想让单词在浏览器中呈现的样子与HTML完全一致，那么这将是很困难的，除非你解析HTML并使用像Open Office XML等库将其写入Word格式，否则你可能需要投资商业转换器选项。我曾经试图寻找一个开源软件解决方案，但最终放弃了，并使用wkhtmltopdf将HTML转换为PDF，如果需要编辑，我可以使用Nitro PDF或Foxit :) - Deepu

@Mask 你可以尝试使用将HTML转换为格式良好的Microsoft Word文档 - 这是一篇由微软员工撰写的详细过程，他详细描述了如何将自己的在线LINQ via C# Tutorial转换为格式良好的MS Word文档。 - nam

Answer 1

试着使用pandoc。

pandoc -f html -t docx -o output.docx input.html

如果未明确指定输入或输出格式， pandoc 将尝试从输入和输出文件名的扩展名中猜测它。
--pandoc 手册

因此，您甚至可以使用

pandoc -o output.docx input.html

- Jan

---

这个非常好用。在Ubuntu中就像使用sudo apt-get install -y pandoc一样简单。 - Alejo Dev

如果你需要比 MS Word 更多的功能，我认为这是一个不错的解决方案 - 它还提供了一个通用工具，可用于其他地方（例如从 HTML 转换为 PDF 等）。话虽如此，对于一个非常基本的选项，d4nt 建议的建议也同样有效 :) - Anton Babushkin

这在我的情况下不起作用。 - Beraliv

@Beraliv，您能否更具体地说明一下？您是否从pandoc收到任何错误消息？Word无法打开文档吗？ - Jan

@Jan 好的，抱歉没有解释清楚。我的意思是转换并不理想：我无法以正确的方式转换公式（我指所有公式），样式比我预期的更糟糕，有些地方的文本看起来很糟糕（偏移、字体等）。是的，我要求很多。 - Beraliv

Answer 2

在你的php页面最前面添加以下代码，这应该是整个页面的第一行。

<?php
header("Content-Type: application/vnd.ms-word"); 
header("Expires: 0"); 
header("Cache-Control: must-revalidate, post-check=0, pre-check=0"); 
header("content-disposition: attachment;filename=Hawala.doc");

?>

这将把所有的html转换为MSWORD，现在您可以根据客户的要求进行自定义。

- SAR

---

最好使用 PHP。 - mintedsky

不仅限于PHP。Word可以打开doc文件中的HTML内容，但无法打开docx文件。真希望在我花费时间尝试各种转换方法之前就知道这一点。 - Steve Hiner

请注意，CSS的支持情况可能不稳定，您可能无法获得预期的“可编辑”结果。 - Dragas

Answer 3

一个不错的选择是使用像 Docverter 这样的 API。Docverter 可以通过 API 将 HTML 转换为 PDF 或 DOCX。

- user1980965

---

你忘记完成回答了吗？ - Tyler Crompton

尽管答案未完成，在我看来，Docverter仍然证明了它是这个页面中最有用的洞察力 :) - Owen

Answer 4

在进行此操作时，我发现最简单的方法是：

1. 使用网络浏览器访问页面
2. 使用网络浏览器保存页面，使用.htm扩展名（可能还需要一个支持文件夹）
3. 启动Word并打开保存的htm文件（Word将正确地打开它）
4. 如有必要，进行任何编辑
5. 选择“另存为”，然后选择您想要的扩展名doc、docx等。

- SnapShot

---

我认为这个答案比重命名更好，但这只是我的看法 :) - yossico

如果您想要进行真正的转换，可以尝试使用像这样的HTML到DOCX API：https://grabz.it/html-to-word-docx-api.aspx - user1474090

Answer 5

除了将文件重命名为 .doc 之外，还有其他选择.....

http://msdn.microsoft.com/en-us/library/microsoft.office.interop.word(office.11).aspx

这里是一个好的起点。您也可以尝试使用Office Open XML。

http://www.ecma-international.org/publications/standards/Ecma-376.htm

- sleath

---

docx4j-ImportXHTML采用这种方法。Java代码，也可在.NET环境中使用。 - JasonPlutext