如何在 Word 和 HTML 之间管理文档？答案

【问题标题】：How to manage documents between Word and HTML?如何在 Word 和 HTML 之间管理文档？
【发布时间】：2013-10-05 17:25:55
【问题描述】：

如果此问题不适用于本网站，请提前致歉。

我在 Microsoft Word 中编写了一些文档，我还需要在网站上显示为 HTML。为此，我需要将这些文档的内容输入到带有 HTML 标记的数据库中。因此，例如，这是我需要放入数据库的内容：

<h1>Document Title</h1>
<p>This is the introduction paragraph for the document</p>
<ol>
<li>This is a summary point</li>
</ol>

我的问题是，将 Microsoft Word 保存为 HTML 页面会添加太多额外的标记（主要是内联 CSS 的表现形式），以至于我很难像上面的示例那样将其剥离为基本的 HTML 结构。

那么如何保持离线和在线内容同步呢？我想避免制作同一文档的两个版本（一个在 Word 中，一个在 HTML 中），因为保持它们同步会很困难。

可以将 MS Word 设置为保存为 HTML 而不使用任何演示格式吗？还是我应该使用其他软件？

【问题讨论】：

【解决方案1】：

如果文档数量有限，您可以使用手动程序进行转换，也许一些免费的在线服务，如word2cleanhtml.com、www.textfixer.com 或document.online-convert.com 可以帮助您。

但如果你想自动化这个过程，你必须知道docx 格式实际上是一个zip 文件，其中包含文档的所有元素（图像、表格、文本等）。这些项目被分类在子文件夹下，其中大部分是 XML 格式。因此，您可以使用 here 解释的技术从 docx 文件中提取所需的内容。

还有一些已知的商业和开源库可让您操作或提取docx 文件的内容。 Apache POI 或 OpenOffice 等 API 是开源项目的示例，Aspose Word for Java 是一种商业产品，是该领域可用的最佳 API 之一。

【讨论】：

【解决方案2】：

根据经验，我建议坚持使用 Word 保存到 html 的方法。删除 mso 标签的困难比任何其他替代解决方案新引入的问题更容易克服。

有很多 javascript 富文本编辑器 FCKEditor 和 TinyMCE 可以去除单词标签 - 我建议您研究一下，这些插件是开源的吗？

【讨论】：

【解决方案3】：

感谢您的回复。我尝试了各种在线转换器，但它们从未正确转换列表。编号列表被放入错误的<p> 元素中。最后我发现了如何轻松地做到这一点......

将整个 Word 文档复制并粘贴到 Adobe Dreamweaver 中。然后进入代码视图，您会看到 Dreamweaver 已经漂亮地应用了正确、干净的 HTML 标记！

【讨论】：

【解决方案4】：

如果您使用 ColdFusion，您可以使用 DocExtactor http://docxextractor.riaforge.org/

您可以访问所有源代码，因此可以对其进行修改以获得您需要的 HTML 格式

免责声明：我写的

【讨论】：