pandoc input.html -o output.docx 是最稳的html转word方案，支持标题、列表、表格、内联样式及本地图片嵌入，需确保utf-8编码和相对路径。
用 pandoc 一行命令转 HTML 到 Word（最稳）
绝大多数静态 HTML 转 DOCX 的需求，pandoc 是目前最可靠、兼容性最好、且无需写代码的方案。它能保留标题层级、列表、表格、内联样式（如 font-weight、color），甚至部分 CSS 类（需配合自定义参考文档）。
常见错误现象：直接双击 HTML 文件用 Word 打开 → 样式错乱、中文乱码、图片丢失、CSS 完全失效；用浏览器“另存为” → 只存页面快照，不保留语义结构，无法后续编辑。
- 安装后执行：
pandoc input.html -o output.docx - 中文支持关键：加
--pdf-engine=xelatex没用，DOCX 输出不用 PDF 引擎；真正要加的是--standalone+ 确保 HTML 中<meta charset="utf-8">存在 - 若 HTML 含本地图片，路径必须是相对路径（如
./images/logo.png），且与 HTML 文件同目录或子目录；pandoc会自动嵌入图片到 DOCX - 不推荐加
--css：DOCX 不解析 CSS 文件，该参数对 DOCX 输出无效
python-docx 适合需要动态生成或精细控制内容的场景
如果你的 HTML 来源是程序生成（比如爬虫结果、模板渲染）、需要插入页眉页脚、分节符、或对段落样式做精确控制（如首行缩进 2 字符、行距 1.5 倍），python-docx 是更底层但更可控的选择。
但它不是 HTML 解析器 —— 不能直接把 HTML 字符串喂给它。你得先用 beautifulsoup4 解析 HTML 结构，再逐元素映射成 python-docx 的对象（Document、Paragraph、Run）。
立即学习“前端免费学习笔记（深入）”；
- 表格、有序/无序列表、粗体/斜体基本可还原；但浮动、Flex 布局、复杂 CSS 类名 → 全部丢失，需手动判断 class 名做逻辑分支
-
python-docx不支持直接读取 HTML，也没有内置 HTML 转换方法；别搜docx.add_html()—— 这个方法不存在 - 性能影响明显：处理 100KB HTML 可能要 2–3 秒，而
pandoc是毫秒级；量大时务必压测
浏览器打印 → PDF → Word 是「救急但失真」的备选
当服务器没权限装 pandoc、又没法跑 Python，只剩浏览器这一条路。本质是把 HTML 渲染成页面快照，再靠 Word 的 PDF 导入功能反向提取文本 —— 这过程不可逆，且信息损失严重。
典型失真点：所有语义标签（<article></article>、<section></section>）消失；超链接变纯文本；表格列宽坍缩；中文标点可能被替换为全角空格；CSS @media print 规则若没写好，直接白屏。
- 导出 PDF 时务必勾选「背景图形」，否则带背景色的
<div> 全变白<li>Word 打开 PDF 后选择「保留源格式」而非「重新排版」，至少能保住段落分隔</li> <li>千万别用「另存为 → Web Page (.htm)」再转 —— 这会二次编码，& 符号变 <code>&，引号嵌套崩坏 - Word 2016+ 对 UTF-8 BOM 敏感：HTML 文件开头若有 BOM（
EF BB BF），会显示乱码或空白页 - 所有在线工具和 Word 原生导入，都不支持
data-*属性、aria-属性、ES6 模板字符串生成的 HTML —— 它们只认“老式静态 HTML”
为什么不用在线转换网站或 Word 自带「打开 HTML」？
在线工具看似方便，但实际踩坑最多：上传的 HTML 若含相对路径资源（JS/CSS/图片），90% 会报 404；隐私敏感内容经第三方服务器中转，风险不可控；免费版强制加水印、限制文件大小、删改内联样式。
Word 自带的「文件 → 打开 → HTML 文件」功能，底层调用的是 IE 内核（即使你用 Edge），对现代 HTML5/CSS3 支持极差。常见报错：Invalid character in attribute value、Unexpected end of file，尤其遇到 <template></template> 或未闭合的 <img alt="html格式怎么转换成doc_html转word文档方法【攻略】" > 标签就直接拒绝加载。
真正麻烦的从来不是“怎么转”，而是 HTML 本身是否干净：有没有内联 document.write、有没有依赖运行时 JS 渲染的内容、图片路径是不是硬编码绝对 URL。这些，任何转换工具都无能为力。
