Конвертировать HTML в DOCX

Страница с закреплёнными блоками становится текущим документом

HTML размещает элементы; документ Word их выстраивает потоком. В этом главное различие и источник всех сюрпризов. Веб-страница может закрепить боковую панель слева и блок справа, и они останутся на месте независимо от длины; .docx — это поток абзацев, которые сдвигают друг друга вниз по странице. Поэтому макеты на CSS-позиционировании, колонках flexbox или сетках записываются одной сплошной колонкой в порядке чтения — не потому, что макет нельзя измерить, а потому, что закреплённые блоки в документе Word дают то, что никто не сможет редактировать, а это лишает конвертацию всякого смысла.

Чисто переносится всё, что и так было устроено как документ. Заголовки становятся стилями заголовков Word — поэтому работает область навигации и можно создать оглавление, — а у абзацев, полужирного и курсива, списков, цитат, таблиц с рамками и гиперссылок есть прямые аналоги. Изображения встраиваются, чтобы документ был самодостаточным. Запись в блоге, статья или отчёт конвертируются почти идеально; лендинг — нет.

Изображения должны быть доступны в момент конвертации. Путь к файлу на вашем компьютере прочитать нельзя — у страницы в браузере нет доступа к вашей файловой системе, — а веб-адрес работает, только если сервер разрешает другим сайтам загружать файл, чего многие намеренно не делают. Решение — встроить изображения как data URI или использовать адреса, которые точно доступны публично. О каждом изображении, которое не удалось включить, сообщается, а не пропускается молча.

Стоит ожидать ещё двух мелких упущений. Веб-шрифты не встраиваются, так что текст набирается тем, что есть в Word, и внешний вид меняется; фоновые изображения CSS тоже не переносятся, потому что у Word нет аналога фоновой картинки абзаца. Скрипты не выполняются никогда, поэтому страница, которая строит себя с помощью JavaScript, конвертируется такой, какой её описывает разметка до запуска скриптов.

Если нужно другое

Pandoc справляется с этим лучше любого конвертера, работающего от отрисованной разметки: pandoc page.html -o page.docx --extract-media=. правильно сопоставляет структуру HTML со стилями Word, извлекает изображения и принимает эталонный документ, чтобы результат соответствовал вашему шаблону, — заголовки, шрифты и интервалы в вашем фирменном стиле, а не по умолчанию Word. Именно ради этого его и стоит установить.

Если нужна живая веб-страница, а не файл, сначала сохраните её («Сохранить страницу как → Веб-страница, полностью») или загрузите через curl и конвертируйте результат — сам инструмент в сеть за страницей не обращается. А если нужна точная копия того, как страница выглядит, а не редактируемый документ, правильный инструмент — конвертация в PDF, потому что PDF может закрепить блоки там, где документ Word не может.