Qué lee el conversor dentro de un .docx, y qué descarta sin decirlo
Un .docx es un archivo zip lleno de partes XML, y esta herramienta lo abre con mammoth.js y pide
solo la capa semántica. Los estilos Título 1 a Título 6 de Word se convierten en elementos <h1> a
<h6> de verdad. La negrita pasa a <strong>, la cursiva a <em>, el tachado a <s>, el
superíndice a <sup>. Un hipervínculo se convierte en un <a href> auténtico, con su destino
resuelto a través de la parte de relaciones del documento. Los párrafos con viñetas y numerados se
reconstruyen como listas <ul> y <ol> anidadas, y el mapa de estilos por defecto cubre cinco
niveles de anidamiento antes de que los elementos más profundos caigan a párrafos normales. Cada tabla
de Word se convierte en marcado <table>, <tr> y <td>, y una fila marcada en Word como “Repetir
como fila de encabezado” llega como un <thead> real de celdas <th>.
Las omisiones importan igual. El subrayado no tiene entrada en ese mapa de estilos por defecto, así que desaparece mientras el texto se queda. El color de resaltado, el color de fuente y el tamaño de fuente corren la misma suerte. Los encabezados y pies viven en partes XML separadas que esta cadena no abre nunca, que es también la razón de que los números de página no puedan pasar: en un archivo HTML no hay páginas que numerar. Los cuadros de texto, las columnas y el espaciado exacto son maquetación, y la maquetación es precisamente lo que estás entregando a cambio de un marcado que puedes reestilizar.
Las notas al pie sobreviven, pero se mudan al final
Pasa un documento con notas al pie y verás cada llamada renderizada como un pequeño enlace en superíndice, más una lista numerada añadida después del último párrafo con el texto de todas las notas y un enlace de flecha de vuelta a su cita. No se pierde nada, pero la experiencia de lectura cambia: lo que era una nota al pie de la página tres es ahora el elemento tres de una lista al final. Para un contrato o un borrador académico eso suele estar bien. Para un documento donde las notas cargaban con mucho peso, conviene saberlo antes de pegar el resultado en una wiki.
Cada archivo que escribe esta herramienta lleva una hoja de estilos dentro
La descarga no es un fragmento pelado. El cuerpo convertido se envuelve en un documento completo con
un doctype, una codificación UTF-8 y una hoja de estilos en línea, para que el archivo se abra
correctamente directamente desde tu carpeta de descargas. Esa hoja de estilos fija un margen de cuerpo
de 40px, una tipografía de palo seco del sistema de 16px con interlineado 1,6, texto casi negro,
imágenes limitadas al ancho del contenedor, y tablas con bordes colapsados de un píxel y relleno real
en las celdas. Es deliberadamente sobria. Si vas a pegar en un gestor de contenidos la vas a quitar de
todas formas, y si no, sobrio es mejor que los atributos mso-, los spans vacíos y las entidades de
comillas tipográficas que te habría dado copiar y pegar desde Word.
Diez archivos dentro, uno malo, nada fuera
La zona de arrastre acepta varios .docx a la vez y produce una descarga .html por documento,
nombrada a partir del original. Lo que no hace es recuperarse de un miembro roto del lote. No hay
manejo de errores por archivo dentro del bucle de conversión, así que un documento corrupto o mal
etiquetado aborta la tanda entera y no aparece ninguna descarga. Si un archivo te resulta sospechoso,
conviértelo solo. Un .doc renombrado a .docx es el infractor clásico: la comprobación de extensión
lo deja pasar por la zona de arrastre, y el lector de zip falla después con él.
Cuatro pasos de la zona de arrastre a la descarga .html
- Suelta tus archivos
.docxen la caja de arriba, o pulsa Elegir archivos para seleccionarlos. - Repasa la lista que aparece y pulsa el botón de convertir Word a HTML.
- Pulsa el enlace de Descargar de cada archivo terminado, uno por documento.
- Pulsa Procesar otro si quieres empezar un lote nuevo.
Dónde gana la ruta del HTML a la del PDF
Si tu motivo para convertir es que quieres las palabras, esta es la herramienta a usar y no
convertir Word a PDF. Ese conversor comparte la primera mitad de esta misma
cadena y después rasteriza la página renderizada en imágenes, así que su texto deja de ser texto. Aquí
el marcado es el entregable y todas las palabras siguen siendo seleccionables, buscables y editables.
Si lo que quieres es estructura en texto plano en lugar de etiquetas,
convertir Word a Markdown ejecuta esta misma conversión y después
reescribe el HTML como Markdown. En la dirección contraria,
convertir Markdown a HTML acepta Markdown pegado, y
convertir HTML a PDF coge el archivo .html que acabas de descargar y lo
pagina.