Python 实现 HTML 转 Word 和 PDF
在日常开发中，经常会遇到这样的需求：将网页中的 HTML 内容保存为 Word 文档，方便进一步编辑；或者直接导出为 PDF 文件，便于分享和存档。手动复制粘贴不仅容易丢失格式，还可能带来兼容性问题，因此在代码层面实现 HTML 到 Word 和 PDF 的转换就显得非常实用。
在 Python 中，常见的做法是借助第三方库完成这一过程。这种方法可以让开发者通过简洁的 API 实现高质量的文件输出，而不需要过多关心底层的排版细节。
为什么要将 HTML 转换为 Word 和 PDF
- 内容二次编辑：Word 文件更适合后续排版、校对和修订。
- 归档与分享：PDF 文件在不同设备上保持一致的版式，适合存档和分发。
- 自动化处理：通过 Python 脚本，可以批量处理大量 HTML 文件，提高工作效率。
使用第三方库实现 HTML 转 Word 和 PDF
在 Python 中，要实现 HTML 到 Word 或 PDF 的转换，一般需要借助第三方库来处理文档格式和排版。Spire.Doc for Python 是其中一个可选方案，它提供了对 HTML、Word、PDF 等文档格式的读取与转换支持，API 简洁易用，适合快速开发文档处理功能。
安装 Spire.Doc for Python
- 通过 pip 直接安装 （推荐）
pip install spire.doc- 指定版本安装（如果需要固定版本）
pip install spire.doc==13.8.0验证安装：
python -c "from spire.doc import Document; print('Spire.Doc import OK')"使用 Python 将 HTML 转换为 Word
将 HTML 转换为 Word 的核心思路是：加载 HTML 文件（或字符串），然后另存为 Word 文档。这里需要注意，无论是 .doc 还是 .docx 格式都支持，开发者可以根据项目需求选择保存的格式。
1. 从 HTML 文件转换为 Word
下面的示例展示了如何将本地的 HTML 文件直接转换为 Word 文档，并分别保存为 .doc 和 .docx 格式。
from spire.doc import *# 创建 Document 对象
document = Document()# 从 HTML 文件加载内容
document.LoadFromFile("input.html", FileFormat.Html, XHTMLValidationType.None_)# 保存为 Word 2003 格式（.doc）
document.SaveToFile("output.doc", FileFormat.Doc)# 保存为 Word 2013 格式（.docx）
document.SaveToFile("output.docx", FileFormat.Docx2013)# 关闭文档
document.Close()代码说明：
Document()：初始化一个文档对象。LoadFromFile("input.html", FileFormat.Html, XHTMLValidationType.None_)：从本地加载 HTML 文件并解析为文档内容。SaveToFile("output.doc", FileFormat.Doc)：将文档保存为 Word 2003 格式（.doc）。SaveToFile("output.docx", FileFormat.Docx2013)：将文档保存为 Word 2013 格式（.docx），更适合现代版本的 Office。Close()：释放资源，确保文档正确关闭。
这种方式适合直接对已有 HTML 文件进行格式转换。
2. 从 HTML 字符串转换为 Word
如果 HTML 内容是存储在变量中的字符串，比如从数据库或 API 获取，可以使用 AppendHTML 方法将其插入到段落中：
from spire.doc import *# 创建 Document 对象
document = Document()# 添加节和段落
section = document.AddSection()
paragraph = section.AddParagraph()# 定义一个 HTML 字符串
html_string = """
<h1>Python HTML 转 Word 示例</h1>
<p>这是一段<strong>加粗</strong>文本，以及一个<a href='https://example.com'>超链接</a>。</p>
"""# 将 HTML 插入到段落中
paragraph.AppendHTML(html_string)# 保存为 Word 2003 格式（.doc）
document.SaveToFile("string_output.doc", FileFormat.Doc)# 保存为 Word 2013 格式（.docx）
document.SaveToFile("string_output.docx", FileFormat.Docx2013)document.Close()代码说明：
AddSection()：在文档中添加一个新的节。AddParagraph()：在节中创建一个段落，作为 HTML 插入点。AppendHTML(html_string)：将 HTML 字符串直接插入段落，自动渲染出对应的标题、加粗文本和超链接。SaveToFile(..., FileFormat.Doc)：保存为.doc格式。SaveToFile(..., FileFormat.Docx2013)：保存为.docx格式。
这种方式更灵活，适合 HTML 内容来自数据库、接口或动态生成的场景。
使用 Python 将 HTML 转换为 PDF
在有些场景下，直接将 HTML 转换为 PDF 更符合需求，比如生成报告、合同或网页快照。操作方式与保存 Word 类似，只需更改输出格式即可。
1. 从 HTML 文件转换为 PDF
from spire.doc import *# 创建 Document 对象
document = Document()# 从 HTML 文件加载内容
document.LoadFromFile("input.html", FileFormat.Html, XHTMLValidationType.None_)# 保存为 PDF 文件
document.SaveToFile("output.pdf", FileFormat.PDF)# 关闭文档
document.Close()代码说明：
- 通过
LoadFromFile读取 HTML 文件。 - 使用
SaveToFile("output.pdf", FileFormat.PDF)将内容直接导出为 PDF 文件。 - 输出 PDF 文件会保留 HTML 原有的排版和超链接，保证显示效果一致。
这种方法适合快速将现有 HTML 页面归档为 PDF。
2. 从 HTML 字符串转换为 PDF
from spire.doc import *document = Document()
section = document.AddSection()
paragraph = section.AddParagraph()html_string = """
<h2>HTML 转 PDF 示例</h2>
<p>这里是一个包含 <em>斜体</em>、<strong>加粗</strong> 和 <a href='https://example.com'>超链接</a> 的 HTML 内容。</p>
"""# 插入 HTML
paragraph.AppendHTML(html_string)# 直接保存为 PDF 文件
document.SaveToFile("string_output.pdf", FileFormat.PDF)document.Close()代码说明：
AppendHTML(html_string)：将 HTML 片段插入段落中并解析为可视化内容。SaveToFile("string_output.pdf", FileFormat.PDF)：将最终文档直接导出为 PDF 文件。- 支持保留 HTML 的样式、字体和超链接。
这种方法适合需要在运行时动态生成 PDF 的场景，比如接口报表输出。
总结
通过 Python，可以轻松地将 HTML 转换为 Word 和 PDF。不管是从文件读取，还是直接使用 HTML 字符串，Spire.Doc for Python 都提供了简洁高效的 API，支持多种输出格式（.doc、.docx、.pdf）。
- 如果需要 二次编辑，可以选择导出为 Word 文档。
- 如果需要 归档或分享，则导出为 PDF 更加稳妥。
- 如果 HTML 来源于数据库或接口，也可以通过字符串方式插入，灵活生成目标文档。
这种方法能够在保证文档格式完整的同时，大幅提升开发效率，非常适合用于报表生成、文档归档以及自动化批量处理等场景。