word自带“另存为网页”导出的是含table布局、大量内联style和mso类名的非语义化html，图片存入同名文件夹或base64嵌入，适合快速预览但难维护。
直接用 Word 自带的“另存为网页”功能，能最快生成可运行的 HTML 文件，但生成的代码冗余、语义弱、样式难维护；真要保留格式又可控输出，得换 LibreOffice、pandoc 或编程方案。
Word 自带“另存为网页”导出的是什么？
它调用的是 Office 内置的 HTML 渲染引擎，输出一个含 <table> 布局、大量内联 <code>style 属性和 Microsoft 特有 class（如 Section1、MsoNormal）的单页 HTML。图片会单独存进同名文件夹，或被 Base64 编码嵌入（取决于“网页选项”设置）。
- 优点：操作零门槛，标题/加粗/列表/表格基本可见，适合内部快速预览
- 缺点：HTML 不符合语义化标准，
<h1></h1>可能被写成<p class="MsoHeading1"></p>；多级编号列表常塌成普通文本；CSS 全是行内，无法复用或覆盖 - 注意：
另存为网页(*.htm; *.html)和单个文件网页(*.mht)是两回事——前者是标准 HTML + 外部资源，后者是二进制封装包，浏览器打开后仍需再“另存为 HTML”才能提取纯 HTML
LibreOffice 导出 HTML 更干净，但要注意编码和样式嵌入
LibreOffice Writer 对 OpenDocument 标准支持更规范，导出时默认生成语义清晰的 <h1></h1>～<h6></h6>、<ul></ul>/<ol></ol>、<table>，且 CSS 可选择“嵌入”而非外链，最终就是一个独立 HTML 文件。
<ul>
<li>关键步骤：导出时必须勾选 <code>嵌入CSS样式，否则样式会丢失；编码选 UTF-8，避免中文乱码
soffice --headless --convert-to html document.docx，适合 CI/CD 或服务器环境pandoc 转换灵活，但需处理样式映射和图片路径
pandoc 本质是文档格式中转器，它先把 Word 解析成中间 AST，再渲染为 HTML。默认输出简洁、语义强、无冗余标签，但原始 Word 样式（比如“标题 2 红色加阴影”）不会自动变成对应 CSS——得靠模板或自定义 CSS 文件补全。
- 基础命令：
pandoc input.docx -o output.html - 保留图片：默认会把图片复制到
output_files/目录，加--extract-media=.可让图片平铺在当前目录 - 套用样式：用
-c style.css引入外部样式表，或用--template=custom.html定制 HTML 结构 - 警告：
pandoc不解析 Word 的条件格式、宏、OLE 对象，这类内容会被静默丢弃
编程方案里，mammoth.py 比 python-docx 更省心
用 python-docx 手动遍历段落、表格、图片再拼 HTML，自由度高但极易漏掉编号逻辑、样式继承、图片尺寸等细节；而 mammoth 是专为 .docx → HTML 设计的库，它直接读取 Word 的 document.xml 和 styles.xml，按语义映射规则生成 clean HTML，并支持自定义样式映射表。
- 安装：
pip install mammoth - 最简用法：
mammoth.convert_to_html("input.docx")返回含html字段的 dict - 控制标题层级：
style_map="p[style-name='Heading 1'] => h1"这类规则可写进映射文件 - 图片处理：
mammoth默认 Base64 编码图片，加convert_image=mammoth.images.img_element(convert_image_func)可改用相对路径或 CDN 地址
真正难的不是“能不能转”，而是“转完之后要不要二次编辑”。如果 HTML 要嵌入 CMS 或静态站点，用 pandoc 或 mammoth；如果只是临时发给同事看，Word 自带导出就够用；如果文档含审批痕迹、修订模式、域代码，所有方案都会失效——得先在 Word 里接受所有修订、清除域字段，再转。
前端入门到VUE实战笔记：立即使用
在学习笔记中，你将探索 前端 的入门与实战技巧！
