HTML को DOCX में बदलें

जगह पर चिपका पेज, बहता हुआ डॉक्यूमेंट बनते हुए

HTML चीज़ों को जगह पर रखता है; Word डॉक्यूमेंट उन्हें बहाता है। यही मूल फ़र्क़ है, और यहां की हर हैरानी की जड़ भी। वेब पेज बाईं ओर साइडबार और दाईं ओर पैनल चिपका सकता है और उन्हें लंबाई की परवाह किए बिना वहीं रहने दे सकता है; .docx पैराग्राफ़ की एक धारा है जो एक-दूसरे को पेज पर नीचे धकेलते हैं। इसलिए CSS पोज़िशनिंग, flexbox कॉलम या ग्रिड से बने लेआउट पढ़ने के क्रम में एक ही बहते कॉलम के रूप में लिखे जाते हैं — इसलिए नहीं कि लेआउट मापा नहीं जा सका, बल्कि इसलिए कि Word डॉक्यूमेंट में बॉक्स चिपकाने से ऐसी चीज़ बनती है जिसे कोई एडिट नहीं कर सकता, और तब कन्वर्ट करने का मक़सद ही ख़त्म हो जाता है।

जो चीज़ें पहले से डॉक्यूमेंट जैसी थीं, वे साफ़ उतरती हैं। हेडिंग Word की हेडिंग स्टाइल बनती हैं — इसलिए नेविगेशन पेन काम करता है और विषय-सूची बनाई जा सकती है — और पैराग्राफ़, बोल्ड और इटैलिक, लिस्ट, ब्लॉक कोट, बॉर्डर वाली टेबल और हाइपरलिंक, सबके सीधे बराबर रूप हैं। इमेज एम्बेड होती हैं, ताकि डॉक्यूमेंट अपने-आप में पूरा रहे। ब्लॉग पोस्ट, लेख या रिपोर्ट लगभग पूरी तरह सही कन्वर्ट होती है; लैंडिंग पेज नहीं।

कन्वर्ज़न के समय इमेज का पहुंच में होना ज़रूरी है। आपके अपने कंप्यूटर की ओर इशारा करने वाला पाथ पढ़ा नहीं जा सकता — ब्राउज़र में खुले पेज की आपकी फ़ाइलों तक पहुंच नहीं होती — और वेब पता तभी काम करता है जब वह सर्वर दूसरी साइटों को फ़ाइल लाने दे, जो बहुत-से सर्वर जानबूझकर नहीं करते। इलाज है तस्वीरों को data URI के रूप में एम्बेड करना, या ऐसे पते इस्तेमाल करना जिनके बारे में आप जानते हैं कि वे सबके लिए खुले हैं। जो भी इमेज शामिल नहीं हो सकी, उसकी जानकारी दी जाती है, वह चुपचाप ग़ायब नहीं होती।

दो छोटी कमियों की उम्मीद रखें। वेब फ़ॉन्ट एम्बेड नहीं होते, इसलिए टेक्स्ट उसी फ़ॉन्ट में आता है जो Word के पास है और रूप बदल जाता है; और CSS बैकग्राउंड इमेज साथ नहीं जातीं, क्योंकि Word में पैराग्राफ़ के पीछे तस्वीर जैसी कोई चीज़ होती ही नहीं। स्क्रिप्ट कभी नहीं चलतीं, इसलिए जो पेज JavaScript से ख़ुद को बनाता है, वह वैसा ही कन्वर्ट होता है जैसा उसका मार्कअप उससे पहले कहता है।

जब आपको कुछ और चाहिए

Pandoc रेंडर किए गए मार्कअप से काम करने वाले किसी भी कन्वर्टर से इसमें बेहतर है: pandoc page.html -o page.docx --extract-media=. HTML ढांचे को Word स्टाइल पर ठीक से बैठाता है, इमेज बाहर निकालता है, और एक रेफ़रेंस डॉक्यूमेंट लेता है ताकि आउटपुट आपके अपने टेम्पलेट से मेल खाए — हेडिंग, फ़ॉन्ट और स्पेसिंग सब Word के डिफ़ॉल्ट के बजाय आपकी अपनी स्टाइल में। वही आख़िरी बात इसे इंस्टॉल करने लायक बनाती है।

फ़ाइल के बजाय किसी लाइव वेब पेज के लिए, पहले उसे सेव करें — “Save Page As → Web Page, Complete” — या curl से लाएं और नतीजा कन्वर्ट करें, क्योंकि यहां कुछ भी नेटवर्क तक नहीं जाता। और अगर आपको एडिट होने वाली चीज़ नहीं, बल्कि पेज जैसा दिखता है उसकी हूबहू कॉपी चाहिए, तो PDF में बदलना सही टूल है, क्योंकि PDF बॉक्स को जगह पर चिपका सकती है, Word डॉक्यूमेंट नहीं।