Перейти к основному содержимому
Конвертация форматов
Конвертация форматов

HTML → DOCX

Перевод книги из Гипертекст (.html, .htm, .xhtml, .xml, .mhtml) в Документ Word (.docx) — вполне обычный шаг: Документ Word можно и дальше редактировать и комментировать, разбивка на страницы и колонтитулы тоже сохраняются. К счастью, HyperText и Word устроены похоже, так что терять почти нечего. Ниже подробно разберём, как перевести HyperText в Word и на что обратить внимание, а в конце статьи — инструмент для конвертации HyperText в Word: можно сразу загрузить файл и преобразовать его прямо в браузере.

Редакция YueZhu

What is HTML?

HTML / XHTML — язык структуры веб-страниц и именно тот формат, в котором EPUB реально хранит текст, так что конвертация между HTML и EPUB по сути сводится к смене оболочки и способа упаковки ресурсов. .mhtml идёт дальше и упаковывает страницу вместе с картинками и стилями в один файл — удобно для сохранения онлайн-страниц, которые в любой момент могут исчезнуть. Плюс HTML в универсальности: его откроет любой браузер; минус в том, что стили и картинки часто подключены по внешним ссылкам, и чтобы «унести всё одним файлом», ресурсы сначала нужно встроить внутрь. Подробнее о формате HTML

Extensions.html.htm.xhtml.xml.mhtml
Typical useИзвлечение основного текста веб-страниц, содержимое внутри EPUB, а также универсальное промежуточное представление для других форматов.

What is DOCX?

.docx — по сути ZIP-архив с Office Open XML: текст лежит в word/document.xml, а стили, примечания и история правок хранятся в отдельных частях. Благодаря этому формат сохраняет куда больше информации, чем Markdown: разбивку на страницы, колонтитулы, сноски, комментарии, историю изменений, точные размеры шрифта и отступы. Плата за это — сложная структура и сильная зависимость от ПО: разные версии Word и разные сторонние читалки могут отображать документ неодинаково, а содержимое не является простым текстом и его нельзя посмотреть напрямую. Как исходный формат для конвертации он даёт максимум информации, но как конечный формат для чтения впечатление зависит от того, в какой программе его открыть. Подробнее о формате DOCX

Extensions.docx
Typical useИсходный файл для письма и вёрстки; самый информативный промежуточный формат перед конвертацией в EPUB/TXT.

Как преобразовать HTML в DOCX

Вся структура HTML заключена в тегах, но реальные веб-страницы полны шума — навигации, рекламы, подвалов, — и при прямой конвертации всей страницы он попадёт в файл. Лучше сначала извлечь контейнер с текстом алгоритмом читабельности (например, Readability) и учесть, что <img> чаще всего ссылается на внешний ресурс: перед конвертацией в однофайловый формат картинки нужно скачать и встроить.

Создание .docx подходит для дальнейшего редактирования, но удобство чтения не является его целью: разбиение на страницы зависит от версии Word и шрифтов, а на телефоне вёрстка легко разъезжается. Если цель — читалка, правильной конечной точкой будет EPUB.

Превращение одного текстового файла в архив с древовидной структурой — это движение в сторону «приумножения» информации: инструмент должен создать за вас файл-манифест, страницы оглавления и метаданные. Качество этих результатов (точность разбиения на главы, правильность языковых пометок) напрямую определяет, насколько удобным получится файл.

Инструмент для конвертации HTML в DOCX

HTML → DOCX

Преобразование полностью выполняется в вашем браузере — файлы не отправляются ни на какой сервер.

Средство для чтения романов с синхронизацией прогресса чтения на всех платформах

YueZhu Tide Reader поддерживает TXT и EPUB: при импорте главы распознаются автоматически, вёрстка подстраивается под ваши привычки, а прогресс чтения синхронизируется между Windows, macOS, iOS и Android. Готовый файл достаточно перетащить в окно — и можно читать.

Скачать YueZhu бесплатно

Поддерживаются TXT / EPUB; приоритет — локальное чтение, дополнительно доступны облачная синхронизация и WebDAV.