Python高效實現(xiàn)HTML轉為Word和PDF

更新時間：2025年09月09日 08:25:31 作者：用戶372157426135

在Python日常開發(fā)中,經(jīng)常會遇到將網(wǎng)頁中的 HTML 內容保存為 Word 文檔,本文將借助第三方庫實現(xiàn)將HTML轉為Word和PDF,感興趣的小伙伴可以跟隨小編一起學習一下

在日常開發(fā)中，經(jīng)常會遇到這樣的需求：將網(wǎng)頁中的 HTML 內容保存為 Word 文檔，方便進一步編輯；或者直接導出為 PDF 文件，便于分享和存檔。手動復制粘貼不僅容易丟失格式，還可能帶來兼容性問題，因此在代碼層面實現(xiàn) HTML 到 Word 和 PDF 的轉換就顯得非常實用。

在 Python 中，常見的做法是借助第三方庫完成這一過程。這種方法可以讓開發(fā)者通過簡潔的 API 實現(xiàn)高質量的文件輸出，而不需要過多關心底層的排版細節(jié)。

為什么要將 HTML 轉換為 Word 和 PDF

內容二次編輯：Word 文件更適合后續(xù)排版、校對和修訂。

歸檔與分享：PDF 文件在不同設備上保持一致的版式，適合存檔和分發(fā)。

自動化處理：通過 Python 腳本，可以批量處理大量 HTML 文件，提高工作效率。

使用第三方庫實現(xiàn) HTML 轉 Word 和 PDF

在 Python 中，要實現(xiàn) HTML 到 Word 或 PDF 的轉換，一般需要借助第三方庫來處理文檔格式和排版。Spire.Doc for Python 是其中一個可選方案，它提供了對 HTML、Word、PDF 等文檔格式的讀取與轉換支持，API 簡潔易用，適合快速開發(fā)文檔處理功能。

安裝 Spire.Doc for Python

通過 pip 直接安裝（推薦）

pip install spire.doc

指定版本安裝（如果需要固定版本）

pip install spire.doc==13.8.0

驗證安裝

python -c "from spire.doc import Document; print('Spire.Doc import OK')"

使用 Python 將 HTML 轉換為 Word

將 HTML 轉換為 Word 的核心思路是：加載 HTML 文件（或字符串），然后另存為 Word 文檔。這里需要注意，無論是 .doc 還是 .docx 格式都支持，開發(fā)者可以根據(jù)項目需求選擇保存的格式。

1. 從 HTML 文件轉換為 Word

下面的示例展示了如何將本地的 HTML 文件直接轉換為 Word 文檔，并分別保存為 .doc 和 .docx 格式。

from spire.doc import *

# 創(chuàng)建 Document 對象
document = Document()

# 從 HTML 文件加載內容
document.LoadFromFile("input.html", FileFormat.Html, XHTMLValidationType.None_)

# 保存為 Word 2003 格式（.doc）
document.SaveToFile("output.doc", FileFormat.Doc)

# 保存為 Word 2013 格式（.docx）
document.SaveToFile("output.docx", FileFormat.Docx2013)

# 關閉文檔
document.Close()

代碼說明：

Document()：初始化一個文檔對象。
LoadFromFile("input.html", FileFormat.Html, XHTMLValidationType.None_)：從本地加載 HTML 文件并解析為文檔內容。
SaveToFile("output.doc", FileFormat.Doc)：將文檔保存為 Word 2003 格式（.doc）。
SaveToFile("output.docx", FileFormat.Docx2013)：將文檔保存為 Word 2013 格式（.docx），更適合現(xiàn)代版本的 Office。
Close()：釋放資源，確保文檔正確關閉。

這種方式適合直接對已有 HTML 文件進行格式轉換。

2. 從 HTML 字符串轉換為 Word

如果 HTML 內容是存儲在變量中的字符串，比如從數(shù)據(jù)庫或 API 獲取，可以使用 AppendHTML 方法將其插入到段落中：

from spire.doc import *

# 創(chuàng)建 Document 對象
document = Document()

# 添加節(jié)和段落
section = document.AddSection()
paragraph = section.AddParagraph()

# 定義一個 HTML 字符串
html_string = """
<h1>Python HTML 轉 Word 示例</h1>
<p>這是一段<strong>加粗</strong>文本，以及一個<a >超鏈接</a>。</p>
"""

# 將 HTML 插入到段落中
paragraph.AppendHTML(html_string)

# 保存為 Word 2003 格式（.doc）
document.SaveToFile("string_output.doc", FileFormat.Doc)

# 保存為 Word 2013 格式（.docx）
document.SaveToFile("string_output.docx", FileFormat.Docx2013)

document.Close()

代碼說明：

AddSection()：在文檔中添加一個新的節(jié)。
AddParagraph()：在節(jié)中創(chuàng)建一個段落，作為 HTML 插入點。
AppendHTML(html_string)：將 HTML 字符串直接插入段落，自動渲染出對應的標題、加粗文本和超鏈接。
SaveToFile(..., FileFormat.Doc)：保存為 .doc 格式。
SaveToFile(..., FileFormat.Docx2013)：保存為 .docx 格式。

這種方式更靈活，適合 HTML 內容來自數(shù)據(jù)庫、接口或動態(tài)生成的場景。

使用 Python 將 HTML 轉換為 PDF

在有些場景下，直接將 HTML 轉換為 PDF 更符合需求，比如生成報告、合同或網(wǎng)頁快照。操作方式與保存 Word 類似，只需更改輸出格式即可。

1. 從 HTML 文件轉換為 PDF

from spire.doc import *

# 創(chuàng)建 Document 對象
document = Document()

# 從 HTML 文件加載內容
document.LoadFromFile("input.html", FileFormat.Html, XHTMLValidationType.None_)

# 保存為 PDF 文件
document.SaveToFile("output.pdf", FileFormat.PDF)

# 關閉文檔
document.Close()

代碼說明：

通過 LoadFromFile 讀取 HTML 文件。
使用 SaveToFile("output.pdf", FileFormat.PDF) 將內容直接導出為 PDF 文件。
輸出 PDF 文件會保留 HTML 原有的排版和超鏈接，保證顯示效果一致。

這種方法適合快速將現(xiàn)有 HTML 頁面歸檔為 PDF。

2. 從 HTML 字符串轉換為 PDF

from spire.doc import *

document = Document()
section = document.AddSection()
paragraph = section.AddParagraph()

html_string = """
<h2>HTML 轉 PDF 示例</h2>
<p>這里是一個包含 <em>斜體</em>、<strong>加粗</strong> 和 <a >超鏈接</a> 的 HTML 內容。</p>
"""

# 插入 HTML
paragraph.AppendHTML(html_string)

# 直接保存為 PDF 文件
document.SaveToFile("string_output.pdf", FileFormat.PDF)

document.Close()

代碼說明：