将带有（有序）列表的 docx 转换为 html

Posted 2023-03-04

【中文标题】将带有（有序）列表的 docx 转换为 html

【英文标题】：convert docx with (ordered) list to html

【发布时间】：2016-01-09 02:40:45

【问题描述】：

我正在尝试将具有多层有序列表的大型 docx 文档转换为 html。 （请参阅此处的文档示例：http://docdro.id/X1oyfBv 你应该下载它）

我尝试了以下方法，包括：

html-cleaner 和 index.html 等在线转换器（仅识别列表的一层）

另存为 html - 这会创建一个可怕的文件，但仍然无法识别 ol 结构。

将文件保存为 zip，然后打开 xml 文件，但我没有看到从 w:... 标签中获取 ol 结构的简单方法

将其保存到谷歌文档并运行 Omar Alzabir 的脚本 http://omaralzabir.com/wp-content/uploads/2014/05/GoogleDocsEmail.jpg

顺便说一句。如果我创建一个带有多层有序列表的 word 文件并将其转换，它确实将其识别为 ol's。但是即使我“取消列出”并再次列出，现有文件也不会被识别为 ol。所以原始文档的创建方式可能有问题（？）

非常感谢任何建议:) 或说明为什么会出现此问题

【问题讨论】：

另存为.docx看看是否有效

@Dipak 我就是这么做的

【参考方案1】：

您可以使用pandoc : https://github.com/jgm/pandoc

这是一个开源的通用命令行工具，用于转换基于标记源的文档文件。

你可以像这样使用它：

  pandoc -o output.html input.docx

【讨论】：

谢谢！实际上对于创建它的示例文档来说，它是有效的，并且创建了 ol 标签。对于实际的大文档，无法识别 ol 标签，而是创建带有数字 1.2 等硬编码的 p 标签。我可以看看我是否可以为后一种情况创建一个更好的示例文档

【参考方案2】：

您是否在问如何以 HTML 格式保存 Word-doc，并带有多级有序列表？

Word-HTML 在其多级有序列表中存在错误。对于列表项，缩进往往不正确且不一致。有一个例子here。

Word-HTML 在其多级无序列表中有类似的错误。一个例子是here。

我最近在 Word 的 HTML 中编写了一个修复这些错误的 Python 程序。该程序是WordWebNav (WWN) 的一部分，它是免费和开源的。

WWN 是一款将 Microsoft-Word 文档转换为可用网页的应用程序。它在 Word-HTML 网页中添加了一些缺失的功能（例如，导航窗格），并修复了 Word-HTML 中的错误。