Guía · DOCX → HTML
Qué sobrevive cuando Word se vuelve HTML
«Mantener el formato» significa dos cosas distintas, y cuál de las dos quieras decide si el resultado te va a gustar.
La estructura — encabezados, listas, tablas, énfasis — llega. La apariencia — tipografías, colores, márgenes, saltos de página — no, y eso es una decisión deliberada, no una función que falte.
La estructura sobrevive, la apariencia no
Un .docx guarda dos cosas separadas de cada párrafo: qué es, y cómo se ve. «Título 2» es qué es. Calibri 16 pt en negrita con 6 pt de espacio después es cómo se ve.
El conversor lee lo primero y tira lo segundo. Un Título 2 se convierte en un <h2>, no en un <p> con un tamaño de letra encima. En tu sitio recoge entonces tu propio estilo de encabezado, que es casi con seguridad lo que querías.
La alternativa es lo que hace el propio Guardar como página web de Word: unos miles de líneas de estilos mso- que reproducen la página exactamente y que después no se pueden editar ni reestilar.
Dale estilo a tus encabezados, no solo negrita
Esto es lo único que vale la pena hacer en Word antes de convertir, y es la diferencia entre una salida buena y una salida plana.
El texto que solo parece un encabezado — más grande, en negrita, con el tamaño puesto a mano — se guarda como un párrafo normal. Se convierte en <p>, porque eso es realmente lo que es. Nada puede recuperar la intención a partir del tamaño de letra.
- 01En Word, pon el cursor en un encabezado y mira la galería de estilos. Si dice Normal, ahí está el problema.
- 02Aplica Título 1, 2 o 3 en su lugar. Cambiará cómo se ve; si no te gusta, cambia el estilo de título en sí.
- 03Haz lo mismo con las listas: usa los botones de lista en vez de escribir «1.» y un tabulador. Los números escritos a mano se convierten en texto literal, no en un <ol>.
- 04Convierte y luego busca <h2> y <ul> en la salida. Si ves un muro de <p>, el documento nunca tuvo estructura.
Qué llega
Los niveles de encabezado como <h1> hasta <h6>, tomados de los estilos de Word. Negrita, cursiva y tachado como <strong>, <em> y <s>. Superíndices y subíndices. Enlaces, con los parámetros de seguimiento de Google y Office quitados.
Las listas como <ul> y <ol> de verdad, anidadas hasta cinco niveles. Las tablas como <table>, incluidas las celdas combinadas: las combinaciones horizontales llegan como colspan y las verticales como rowspan.
Las citas del estilo Cita. Los párrafos con estilo Código o Preformateado como <pre><code>. Los epígrafes como <p class="caption">.
Qué se descarta, y por qué
Tipografías, tamaños, colores, resaltados, alineación, sangrías, interlineado, saltos de página, encabezados y pies, márgenes. Todo eso es presentación que pertenece a una página, y HTML no es una página.
Dos descartes vale la pena conocerlos porque son fáciles de pasar por alto. El texto subrayado pierde el subrayado: en la web un subrayado significa un enlace, así que el subrayado de Word no se asigna a nada en lugar de asignarse a algo engañoso. Y los párrafos vacíos de separación desaparecen, porque son maquetación, no contenido.
El control de cambios y los comentarios se descartan: recibes el texto final, no el historial de edición. Los cuadros de texto, SmartArt y gráficos no sobreviven — solo su texto, si tienen alguno.
Imágenes: tres opciones
Los archivos .doc antiguos son la excepción: de ese formato las imágenes no se pueden recuperar de ninguna manera, elijas lo que elijas. Todo lo demás — texto, encabezados, tablas, negrita — llega bien.
- 01Incrustadas en base64 te dan un solo archivo .html autocontenido que puedes enviar por correo o abrir con doble clic. Pesa alrededor de un tercio más que las imágenes.
- 02Archivos separados te dan un zip: el HTML más una carpeta images/, con cada <img> ya apuntando a la ruta correcta. Usa esto para cualquier cosa que vaya a un sitio real.
- 03Descartadas deja las etiquetas <img> con el src vacío, así que verás marcos de imagen roto. Bórralas, o usa una de las otras dos.
Ajusta primero tus estilos de encabezado y después convierte. Los archivos se leen en tu navegador y nunca se suben, así que puedes probar con algo confidencial.
DOCX → HTML