Библиотека конвертации HTML в DOCX

Python-библиотека для преобразования HTML-контента в документы Word (.docx) с поддержкой таблиц, списков, изображений и CSS-стилей.

Установка

pip install html2docxconverter

uv add html2docxconverter

Поддерживаемые HTML-теги

Основные теги

• <p> - абзацы текста
• <figure> - контейнеры для изображений
• <ul> - неупорядоченные списки
• <ol> - упорядоченные списки
• <li> - элементы списков
• <table> - таблицы
• <tr> - строки таблицы
• <td> - ячейки таблицы
• <th> - заголовочные ячейки таблицы
• <colgroup> - группировка столбцов таблицы
• <col> - определение столбца таблицы
• <tbody> - тело таблицы
• <img> - изображения (поддержка src, srcset, data URI, относительных путей)

Теги форматирования текста

• <strong>, <b> - жирный текст
• <em>, <i> - курсив
• <u> - подчеркнутый текст
• <s>, <strike>, <del> - зачеркнутый текст
• <sup> - верхний индекс
• <sub> - нижний индекс
• <span> - контейнер для стилизации текста

Поддерживаемые CSS-стили

Стили текста

• color - цвет текста (имена цветов, hex, rgb)
• background-color - выделение цветом (имена цветов, hex, rgb)
• font-size - размер шрифта (px, pt, em, %)
• text-align - выравнивание текста (left, right, center, justify)
• vertical-align - вертикальное выравнивание (top, middle, bottom)

Стили таблиц и ячеек

• width - ширина таблицы/ячейки (px, %)
• height - высота строки/ячейки (px)
• background-color - цвет фона таблицы/ячейки
• border - граница (ширина стиль цвет)
• border-width - ширина границы
• border-style - стиль границы (solid, single)
• border-color - цвет границы
• float - позиционирование таблицы (left, right)

Стили изображений

• width — ширина изображения (px, %, em)
• height — высота изображения (px, em)
• aspect-ratio — сохранение пропорций
• object-fit — contain, cover
• display — block, inline-block
• float — left, right (обтекание текста)
• margin — внешние отступы
• border-radius — скругление углов (реализовано через маску PNG)
• box-shadow — тень (реализована через Pillow)

Дополнительно:

• поддержка WebP → PNG
• поддержка srcset (выбор лучшего изображения)
• поддержка относительных путей через <base href="...">
• автоматическое ограничение ширины и высоты страницы

Дополнительные возможности

• Автоматическая обработка <base href="..."> для относительных путей
• Корректная работа с вложенными списками
• Поддержка layout‑таблиц (если указан CSS‑класс)
• Поддержка многоуровневых списков
• Поддержка inline‑стилей в <span>
• Корректная обработка HTML‑структуры через BeautifulSoup

За основу при создании HTML контента использовался

CKEditor

Пример использования при парсинге HTML

from docx import Document
from htmltodocx import HTMLtoDocx

# Создание нового документа
doc = Document()

# HTML-контент для конвертации
html_content = """
<p>Это <strong>жирный</strong> и <em>курсивный</em> текст.</p>
<ul>
    <li>Первый элемент</li>
    <li>Второй элемент</li>
</ul>
"""

# Конвертация HTML в DOCX
converter = HTMLtoDocx(doc)
converted_doc = converter.parse_html(html_content)

# Сохранение документа
doc.save("output.docx")

Пример использования при получении HTML страницы по url

from docx import Document
from htmltodocx import HTMLtoDocx

# Создание нового документа
doc = Document()
# Получение HTML и конвертация в DOCX
converter = HTMLtoDocx(doc)
converted_doc = converter.parse_url('https://habr.com/en/news/930292/')

# Сохранение документа
doc.save("output.docx")

Настройки форматирования

from docx.enum.text import WD_PARAGRAPH_ALIGNMENT
from htmltodocx.schemas import ConfigSchema, DefaultTableStyleSchema, DefaultConfigSchema
from docx import Document
from htmltodocx import HTMLtoDocx

align_map = {
    "left": WD_PARAGRAPH_ALIGNMENT.LEFT,
    "center": WD_PARAGRAPH_ALIGNMENT.CENTER,
    "right": WD_PARAGRAPH_ALIGNMENT.RIGHT,
    "justify": WD_PARAGRAPH_ALIGNMENT.JUSTIFY,
}

align_image_class_map = {
    "image-style-block-align-left": WD_PARAGRAPH_ALIGNMENT.LEFT,
    "image-style-block-align-right": WD_PARAGRAPH_ALIGNMENT.RIGHT,
    "image-style-block-align-center": WD_PARAGRAPH_ALIGNMENT.CENTER,
}

vertical_align_map = {"top": "top", "middle": "center", "bottom": "bottom"}

border_side = ["top", "left", "bottom", "right"]

border_style = {
    "none": "nil",
    "solid": "single",
    "dotted": "dotted",
    "dashed": "dash",
    "double": "double",
    "groove": "threeDEmboss",
    "ridge": "threeDEngrave",
    "inset": "inset",
    "outset": "outset",
}

default_settings = DefaultConfigSchema(
    align_paragraph=WD_PARAGRAPH_ALIGNMENT.JUSTIFY,
    align_image=WD_PARAGRAPH_ALIGNMENT.CENTER,
    vertical_align='center',
    table_style=DefaultTableStyleSchema(
        width="1pt", style="single", color="000000"
    )
)

base_config = ConfigSchema(
    align_map=align_map,
    align_image_class_map=align_image_class_map,
    vertical_align_map=vertical_align_map,
    border_side=border_side,
    border_style=border_style,
    default_settings=default_settings
)
# HTML-контент для конвертации
html_content = """
<p>Это <strong>жирный</strong> и <em>курсивный</em> текст.</p>
<ul>
    <li>Первый элемент</li>
    <li>Второй элемент</li>
</ul>
"""

# Конвертация HTML в DOCX
doc = Document()
converter = HTMLtoDocx(doc, config=base_config, layout_table_class='layout-table', message_start='HTML контент: ')
converted_doc = converter.parse_html(html_content)
par = doc.add_paragraph()
par.add_run('Hello World!')
# Сохранение документа
doc.save("output.docx")

Лицензия

MIT License