Word a HTML

Cómo funciona

Caso típico: un aviso, un reglamento o una entrada de blog escrita en Word tiene que ir a su sitio web, pero la opción «Guardar como página web» de Word genera cientos de líneas de estilos mso- y span anidados. Toque o haga clic en el recuadro, elija el .docx y pulse Convertir a HTML: «aviso.docx» llega a sus Descargas como «aviso.html». La herramienta lee la estructura del documento, no su apariencia: una línea con el estilo Título 1 se vuelve <h1>, una palabra en negritas <strong>, una lista con viñetas <ul><li>, una lista numerada <ol>, una tabla <table>. En Word en español, el estilo lleva internamente un nombre como «Ttulo1»; la herramienta lee el nombre del estilo y encuentra el nivel correcto. Los colores, las fuentes y la alineación se dejan fuera a propósito: la apariencia la decide el CSS de su sitio. Con «Solo el contenido», el archivo llega sin <html> ni <head>; ábralo en el Bloc de notas y pegue el código en el editor de código de WordPress.

Esta herramienta también se busca como convertir word a html, docx a html, pasar documento de word a html, html limpio desde word, word to html.

¿Qué es HTML?

HTML es el lenguaje de marcado que forma el esqueleto de una página web: <h1> marca el título principal, <p> un párrafo, <ul> una lista con viñetas, <table> una tabla y <a> un enlace. HTML dice qué es cada parte; cómo se ve lo decide otro lenguaje, CSS. Un HTML limpio respeta esa separación: las etiquetas solo llevan significado y dejan la apariencia al CSS del sitio. Los buscadores y los lectores de pantalla entienden la página gracias a esas etiquetas semánticas.

¿Qué es DOCX (documento de Word)?

DOCX es el formato de Word desde 2007: por fuera un solo archivo, por dentro un paquete XML comprimido. El texto está en un archivo, los estilos como Título 1 o Normal en otro, las reglas de las listas numeradas en un tercero y las imágenes en su propia carpeta. Esta herramienta abre ese paquete, lee el nivel de los títulos en el nombre de los estilos y el tipo de lista en el archivo de numeración, y los convierte en etiquetas HTML.

Documento de Word o página HTML: ¿cuál es la diferencia?

Un documento de Word está pensado para imprimirse: el tamaño de hoja, los márgenes, los saltos de página, la fuente y el tamaño de letra son parte de él. Una página HTML se acomoda a la pantalla; su ancho cambia entre un teléfono y una computadora, no existen las páginas, y la apariencia la fija el CSS del sitio. Pasar bien de Word a HTML es, por eso, llevar la estructura y no la apariencia: un título sigue siendo título, una lista lista y una tabla tabla, pero los 2,5 cm de margen o la Calibri 11 pt no deben acabar en una página web.

Por qué el HTML de Word sale sucio y qué quita esta herramienta

La exportación «Página web» de Word intenta que el archivo se pueda volver a abrir en Word: a cada párrafo le pone la clase MsoNormal, a cada grupo de palabras un span con font-family y propiedades mso-, y al inicio un bloque de estilos de cientos de líneas con comentarios condicionales. Ese código choca con el diseño de su sitio, hace pesada la página y esconde el contenido a los buscadores.

Esta herramienta hace lo contrario y solo conserva el significado. Niveles de título, párrafos, negritas y cursivas, subíndice y superíndice, enlaces, listas con viñetas y numeradas (anidadas), tablas y notas al pie se escriben con las etiquetas propias de HTML. Los párrafos vacíos, esos Entrar que se usan en Word para dejar espacio, se eliminan. Color, fuente, tamaño, alineación y márgenes quedan fuera a propósito: le corresponden al CSS de su sitio.

Por seguridad, se quitan las direcciones de enlace peligrosas como javascript:, y los signos <, > y & del texto se escapan para que se muestren bien.

• Título 1-6 → <h1>-<h6>
• Negrita / cursiva → <strong> / <em>
• Lista con viñetas / numerada → <ul> / <ol start="…">
• Tabla → <table>, celda combinada → colspan / rowspan
• Hipervínculo → <a href>
• Nota al pie → <sup> + lista al final

Qué opción usar y límites honestos

«Página completa» crea un archivo independiente con <!DOCTYPE>, la codificación de caracteres y un título de página tomado del primer título del documento; se abre en el navegador con doble clic y se puede adjuntar a un correo. «Solo el contenido» entrega el cuerpo para pegarlo en la plantilla de su sitio: en el editor de bloques de WordPress, agregue un bloque «HTML personalizado» o cambie al editor de código.

Las imágenes incrustadas se escriben en el HTML como direcciones data:. El archivo queda en una sola pieza, pero cada imagen ocupa cerca de un tercio más que el archivo original (una foto de 2 MB se vuelve unos 2,7 MB de HTML). Si sube las imágenes a su sitio por separado, elija «Omitirlas». Los dibujos EMF/WMF y las imágenes TIFF, que los navegadores no muestran, siempre se omiten y se cuentan en la línea de resultado.

No se trasladan cuadros de texto, encabezados y pies de página, comentarios ni el texto eliminado del control de cambios. El formato antiguo .doc (Word 97-2003) no se lee; guárdelo antes como .docx en Word.

Preguntas frecuentes

¿Cómo convierto un documento de Word a HTML?

Elija su archivo .docx en esta página y pulse Convertir a HTML. El documento se convierte en HTML limpio dentro de su navegador y el archivo .html llega a su carpeta Descargas. Para ver y copiar el código, ábralo con el Bloc de notas u otro editor de texto.

¿En qué se diferencia de «Guardar como página web» de Word?

La exportación de Word agrega cientos de líneas de estilos, la clase MsoNormal y propiedades mso- para poder abrir el archivo otra vez en Word. Esta herramienta solo escribe la estructura: títulos, párrafos, énfasis, listas, tablas y enlaces. El código es varias veces más ligero y no choca con el diseño de su sitio.

¿Cómo pego el HTML en WordPress?

Convierta con «Solo el contenido», abra el archivo .html en el Bloc de notas y copie todo. En el editor de bloques de WordPress, agregue un bloque «HTML personalizado» y pegue, o cambie al editor de código desde el menú de arriba a la derecha. Títulos y listas toman entonces el estilo de su tema.

¿Mi documento se sube a un servidor?

No. El archivo de Word se abre dentro de su navegador y el HTML se genera ahí mismo; el documento, sus imágenes y su texto nunca se envían por internet.