概述
在日常工作中，我们大概会遇到将大量 Word 文档（.docx）转换为 HTML 文件的需求，比如为了将文档内容展示到网页上，大概实现文档在线阅读功能。今天，我们将分享一个用 Python 编写的实用工具，支持将整个文件夹下的 Word 文件批量转换为 HTML，同时保存文档的样式，如段落缩进、加粗、斜体等。
工具功能
支持单个 Word 文件到 HTML 的转换。
批量处理文件夹中的 Word 文件。
保存段落样式（如段落缩进、首行缩进、左右边距等）。
支持加粗、斜体、下划线等文本样式。
支持 Word 文档中的表格内容转换。
实当代码
以下是完整的实当代码：
- import os
- from docx import Document
- from html import escape
- def docx_to_html(docx_path):
- """将单个 Word 文件转换为 HTML，保留换行、段落、缩进等格式"""
- document = Document(docx_path)
- html_content = "<html><head><meta charset='utf-8'></head><body>"
- for paragraph in document.paragraphs:
- # 获取段落的样式
- left_indent = paragraph.paragraph_format.left_indent
- right_indent = paragraph.paragraph_format.right_indent
- first_line_indent = paragraph.paragraph_format.first_line_indent
- # 样式转换为 HTML 的 inline 样式
- styles = []
- if left_indent:
- styles.append(f"margin-left: {int(left_indent.pt * 1.33)}px;")
- if right_indent:
- styles.append(f"margin-right: {int(right_indent.pt * 1.33)}px;")
- if first_line_indent:
- styles.append(f"text-indent: {int(first_line_indent.pt * 1.33)}px;")
- style_attribute = f" style='{' '.join(styles)}'" if styles else ""
- # 转换加粗、斜体等样式
- content = ""
- for run in paragraph.runs:
- run_text = escape(run.text)
- if run.bold:
- run_text = f"<b>{run_text}</b>"
- if run.italic:
- run_text = f"<i>{run_text}</i>"
- if run.underline:
- run_text = f"<u>{run_text}</u>"
- content += run_text
- # 包裹为段落
- html_content += f"<p{style_attribute}>{content}</p>"
- # 处理表格
- for table in document.tables:
- html_content += "<table border='1' style='border-collapse: collapse; width: 100%;'>"
- for row in table.rows:
- html_content += "<tr>"
- for cell in row.cells:
- html_content += f"<td>{escape(cell.text)}</td>"
- html_content += "</tr>"
- html_content += "</table>"
- html_content += "</body></html>"
- return html_content
- def batch_convert_to_html(input_folder, output_folder):
- """批量将文件夹下的 docx 文档转换为 HTML 文件"""
- if not os.path.exists(output_folder):
- os.makedirs(output_folder)
- for filename in os.listdir(input_folder):
- if filename.endswith(".docx"):
- input_path = os.path.join(input_folder, filename)
- output_path = os.path.join(output_folder, f"{os.path.splitext(filename)[0]}.html")
- try:
- html_content = docx_to_html(input_path)
- with open(output_path, 'w', encoding='utf-8') as html_file:
- html_file.write(html_content)
- print(f"成功转换: {filename} -> {output_path}")
- except Exception as e:
- print(f"转换失败: {filename}, 错误信息: {e}")
- # 设置输入和输出文件夹路径
- input_folder = r"input_path" # 替换为存储 Word 文档的文件夹路径
- output_folder = r"output_path" # 替换为存储 HTML 文件的文件夹路径
- # 批量转换
- batch_convert_to_html(input_folder, output_folder)
1. docx_to_html 函数
- 功能：将单个 Word 文件转换为 HTML。
- 剖析段落样式：
– 使用 paragraph_format 获取段落的左缩进、右缩进和首行缩进。
– 转换为 HTML 的内联样式。
– 转换文本样式：
– 剖析 run 对象的加粗、斜体和下划线样式，生成对应的 HTML 标签。
- 处理表格：
– 将 Word 表格转换为带边框的 HTML 表格。
2. batch_convert_to_html 函数
- 功能：批量处理文件夹下的 Word 文件。
- 主动创建输出文件夹。
- 遍历输入文件夹下的 .docx 文件，并逐个调用 docx_to_html 函数。
- 将生成的 HTML 文件存储到输出文件夹。
3. 主程序
- 设置输入文件夹和输出文件夹路径。
- 调用 batch_convert_to_html 完成批量转换。
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。 |
