Chuyển HTML sang DOCX

Một trang ghim cố định trở thành tài liệu chảy liên tục

HTML định vị các thành phần; tài liệu Word thì để chúng chảy liên tục. Đó là khác biệt cốt lõi và là nguồn gốc của mọi điều bất ngờ ở đây. Một trang web có thể ghim thanh bên ở bên trái, một khung ở bên phải và để chúng nằm yên bất kể độ dài; một file .docx là một dòng đoạn văn nối tiếp nhau, đẩy nhau xuống dưới trang. Vì vậy bố cục dựng bằng định vị CSS, cột flexbox hoặc grid được xuất thành một cột liền mạch duy nhất theo thứ tự đọc — không phải vì không đo được bố cục, mà vì ghim các hộp vào tài liệu Word sẽ tạo ra thứ không ai chỉnh sửa được, đi ngược lại chính mục đích của việc chuyển đổi.

Những gì chuyển sang gọn gàng là mọi thứ vốn đã mang dáng tài liệu. Tiêu đề trở thành kiểu tiêu đề của Word — nên ngăn điều hướng hoạt động và có thể tạo mục lục — còn đoạn văn, in đậm và in nghiêng, danh sách, trích dẫn, bảng cùng đường viền, và liên kết đều có tương đương trực tiếp. Ảnh được nhúng để tài liệu tự chứa đủ mọi thứ. Một bài blog, một bài báo hay một báo cáo chuyển đổi gần như hoàn hảo; một landing page thì không.

Ảnh phải truy cập được vào lúc chuyển đổi. Đường dẫn trỏ tới máy tính của bạn không đọc được — một trang trong trình duyệt không có quyền truy cập hệ thống file của bạn — và một địa chỉ web chỉ hoạt động nếu máy chủ đó cho phép trang khác tải file về, điều mà nhiều nơi cố ý không cho. Cách khắc phục là nhúng ảnh dưới dạng data URI, hoặc dùng địa chỉ mà bạn biết chắc là tải công khai được. Ảnh nào không đưa vào được sẽ được báo lại thay vì âm thầm biến mất.

Hai thiếu sót nhỏ hơn nên lường trước. Web font không được nhúng, nên chữ được đặt bằng phông mà Word có sẵn và giao diện sẽ thay đổi; và ảnh nền CSS không được mang theo, vì Word không có khái niệm tương đương cho ảnh nền của một đoạn văn. Script không bao giờ chạy, nên một trang tự dựng bằng JavaScript sẽ được chuyển đổi theo đúng những gì markup của nó có từ trước.

Khi bạn cần công cụ khác

Pandoc làm việc này tốt hơn mọi bộ chuyển đổi làm việc từ markup đã hiển thị: pandoc page.html -o page.docx --extract-media=. ánh xạ cấu trúc HTML sang kiểu Word một cách đúng đắn, trích xuất ảnh ra, và nhận một tài liệu tham chiếu để kết quả khớp với template của bạn — tiêu đề, phông chữ và giãn cách đều theo phong cách riêng của bạn thay vì mặc định của Word. Phần cuối đó mới là thứ khiến nó đáng cài đặt.

Với một trang web đang chạy thay vì một file, hãy lưu nó trước — “Lưu trang thành → Trang web, hoàn chỉnh” — hoặc tải nó về bằng curl rồi chuyển đổi kết quả, vì công cụ này không tự truy cập mạng. Còn nếu thứ bạn muốn là bản sao trung thực về giao diện của trang thay vì thứ gì đó chỉnh sửa được, thì chuyển sang PDF mới là công cụ phù hợp, vì PDF ghim được các hộp ở chỗ tài liệu Word không làm được.