这可能是以另一种方式提出的。然而，我并没有在飞行中这样做。偶尔，我们会在包含em破折号，粗体，斜体文本和块引号的word文件中获取内容。有没有一个很好的工具将其转换为干净的HTML代码。
否则人们采取其他方法。
答案 0 :(得分：4)
很久之前我的任务是使用结构合理的多兆字的Word文档并将其转换为一系列HTML页面（大约20,000个！）这是通过保存单词doc作为RTF（Word的另存为HTML输出太“脏”）并通过Perl脚本将RTF转换为HTML。转换是一个双程过程...首先清理常见的格式错误，然后将清理后的RTF转换为HTML。
由于文档编辑继续维护Word文档，因此在第一遍中编写常见的格式错误是有代价的，因为即使修复后错误也经常会重新出现。
顺便提一下，这个过程表现出一种非常怀疑的管理方式，如果一个好的程序员在短短40个小时左右就可以产生~2,000个网页和无限期保持最新状态，而原作者（谁的时间更有价值？将花费数百小时进行转换，并且此后将被迫手工维护生成的HTML。
答案 1 :(得分：2)
我很惊讶没有人提到它，但HTML Tidy通常做得很好。我最近没有使用它，但我知道它特别适合清理从Word公开的HTML内容。
答案 2 :(得分：2)
我使用TinyMCE来删除和转换单个Word文档。它是免费的，只要您可以将其上传到您的网站主机（假设您有一个）。我保护我的安装以避免垃圾邮件，但您可以在http://tinymce.moxiecode.com/tryit/full.php使用他们的演示。
它实际上比我尝试过的大多数独立转换程序更好，至少对我如何使用它。
答案 3 :(得分：1)
对我来说最简单快捷的方法是从Word复制所有文本并使用 paste special <将其粘贴到 Dreamweaver 的wysiwyg编辑器（从MX到CS3的任何版本） / em>命令并选择仅保留文档的结构。如果你的word文档不是太复杂，它的效果很好，如果它非常复杂，你需要在代码视图中进行额外的编辑。生成的html非常干净。
此方法的唯一问题是您需要Dreamweaver，这不是免费的。无论如何，您可以使用DW的试用版测试该方法。
答案 4 :(得分：1)
答案 5 :(得分：1)
我编写了一个命令行实用程序来执行此操作：有关详细信息，请参阅此Doc to HTML converter。
答案 6 :(得分：1)
您可以试试Doc To HTML Converter。它不是免费的，但它确实解决了这个问题。
答案 7 :(得分：1)
Necromancing：
在Word 2013中打开Word文档。
另存为odt（OpenOffice文档）。
使用OpenOffice打开
并使用
"Save As" ==> HTML-Document
或使用
"File" ==> Export ==> XHTML
导出将需要安装JRE，另存为。
对于Word，您可以使用COM-interop，也可以使用Aspose Words。
您也可以直接使用aspose.words，只需删除＆＃34; copyright＆＃34;带有xpath查询的文本;）
答案 8 :(得分：0)
Word使用自己的编码非常“脏”。它可以有嵌套的粗体标签，空粗体标签和各种恶意，具体取决于用户是否使用内置样式（标题1，标题2等）与更改字体大小。任何需要Word文档并尝试将其“转换”为HTML的内容都将继承相同的标记问题。
最好的办法是在Word中记录一个宏，对明显的事情执行多个搜索和替换操作，例如M-dashes，制表符，省略号等。
然后用占位符（如〜）替换分段符 ^ p ^ p ，然后将所有单个分隔符（ ^ p ）替换为一个空格，然后用</p>^p</p>替换〜以生成HTML段落。
然后复制整个文档，将其粘贴到记事本中以删除任何非ascii标记，然后将其复制并粘贴到HTML编辑器中，并手动标记剩下的10％，如粗体斜体，不匹配的段落标记等
没有什么比手工编码更好，所以使用这种技术，大部分工作都已完成，你可以从中开始使用干净的文字。
答案 9 :(得分：0)
转换为RTF并使用XSLT将富文本转换为HTML。我建议尝试将所有内容都作为RTF而不是.docx或任何Word格式。
答案 10 :(得分：0)
您可能需要尝试使用此工具：OpenXML Document Viewer。
它提供了一个命令行工具，用于将OpenXML（DOCX）文档转换为HTML。
答案 11 :(得分：0)
如果您可以安装Word 2003或2007，则可以使用新的OOXML格式生成XML文件。格式很糟糕...复杂，但至少你可以使用标准工具解析它。这应该允许您从文件中提取所需的信息。
文件OfficeXMLMarkupExplained_en.docx包含介绍以及OOXML如何工作的许多详细信息。
答案 12 :(得分：0)
同时尝试http://www.manglebracket.com/，它是一个网络应用，您可以在其中上传Word DOC，并将其转换为HTML，其中包含各种（实际上太多）选项。当您的文案撰写人在Word中向您发送新闻稿并且您想将其放在网站上时，这非常适合临时转换。
答案 13 :(得分：0)
WordDown是用于将Microsoft Word文档转换为HTML5的书签。它不仅改变了文档的语法，还改变了语义和视觉外观。在我的测试案例中，与原始文档相比，视觉效果非常令人满意。如果要打印转换后的文档，您应该知道左侧的小红色横幅不包含在打印样式表中。