【技术研究】html转word文本

问题及说明

1. 将一段html语言描述的文本，转换为word文本，在word文档中格式化显示；
   保留缩进、序号、字体颜色、背景色、加粗、斜体、删除线等；
2. 该效果为自定义代码实现；
3. 实现代码语言为python；
4. 与python docxtpl 库结合使用。

html表示效果图如下：

输出到word中如下：

调研

在决定自定义实现上述效果前，对现有技术实现调研结果如下：

htmldocx

依赖库：pip htmldocx
测试html样例图：

html文本：

<div>
    <h1>标题1</h1>
    <h2> &nbsp; &nbsp;标题2（缩进1个tab）</h2>
    <p>有序列表：</p>
    <ol>
        <li>第1段</li>
        <li>第2段</li>
    </ol>
    <p> &nbsp; &nbsp;有序<span style="background-color: rgb(54, 207, 201);">列表</span>：（<span
            style="color: rgb(231, 95, 51);">缩进1个tab</span>）</p>
    <ol>
        <ol>
            <li>第1段</li>
            <ul>
                <li>有序中无序项1</li>
                <li>有序中无序项2</li>
            </ul>
            <li>第2段</li>
        </ol>
    </ol>
    <p>无序<strong>列表</strong>：</p>
    <ul>
        <li>第一</li>
        <li>第二</li>
    </ul>
    <p> &nbsp; &nbsp;无序列表：（<span style="color: rgb(231, 95, 51);">缩进1个tab</span>）</p>
    <ul>
        <ul>
            <li>第一</li>
            <li>第二</li>
        </ul>
    </ul>
    <p>测试<u>缩进</u>：</p>
    <p> &nbsp; &nbsp;<em>缩进1个tab</em></p>
    <p> &nbsp; &nbsp; &nbsp; &nbsp;缩进2个tab</p>
    <p><br></p>
</div>

测试代码：

def test_htmldocx():
    # pip htmldocx
    from htmldocx import HtmlToDocx

    new_parser = HtmlToDocx()
    new_parser.parse_html_string(html4)
    new_parser.doc.save('htmldoc.docx')
    # new_parser.parse_html_file("html_filename", "docx_filename")

输出效果：

1. 标题2缩进不理想
2. 有序列表序号问题
3. 且该中方案无法灵活控制文档模板
   

实现

自定义实现技术：

1. 使用docxtpl灵活定义word模板
2. 自定义html_to_richtext函数，将html转换为docxtpl可识别的RichText对象

功能