ChatGPT内容导出Word全攻略：从API调用到格式优化的实践指南

1次阅读

没有评论

共计 2707 个字符，预计需要花费 7 分钟才能阅读完成。

ChatGPT 生成的 Markdown/HTML 内容直接粘贴到 Word 时，常出现以下问题：

代码块丢失语法高亮，变成普通文本
多级标题被压缩为同一层级
表格边框样式消失
列表缩进混乱
图片需要手动重新插入

优点：

纯 Python 实现，无需外部依赖
精确控制文档结构

缺点：

需要手动转换 Markdown 语法
样式定制工作量大
处理复杂内容时代码冗长

技术原理：

通过 BeautifulSoup 解析 HTML 语义结构
使用 pandoc 保持格式转换一致性
用 docx 进行后期样式微调

from bs4 import BeautifulSoup

def parse_html(html: str) -> BeautifulSoup:
    """
    解析 ChatGPT 输出的 HTML 内容
    :param html: 原始 HTML 文本
    :return: BeautifulSoup 对象
    """return BeautifulSoup(html,'html.parser')

import pypandoc

def convert_to_docx(html: str) -> bytes:
    """
    HTML 转 DOCX 格式
    :param html: 清洗后的 HTML 内容
    :return: DOCX 文件二进制流
    """
    try:
        output = pypandoc.convert_text(
            html, 
            'docx', 
            format='html',
            outputfile="output.docx",
            extra_args=['--standalone']
        )
        with open("output.docx", 'rb') as f:
            return f.read()
    except Exception as e:
        raise RuntimeError(f"转换失败: {str(e)}")

from docx import Document

def adjust_styles(doc_path: str):
    """
    调整 Word 文档样式
    :param doc_path: 文档路径
    """
    doc = Document(doc_path)

    # 设置正文字体
    for paragraph in doc.paragraphs:
        paragraph.style.font.name = '微软雅黑'
        paragraph.style.font.size = 12

    # 标题样式
    for i, heading in enumerate(doc.paragraphs):
        if heading.style.name.startswith('Heading'):
            heading.style.font.color.rgb = (0, 0, 255)

    doc.save(doc_path)

import tempfile
from pathlib import Path
from typing import Optional

class ChatGPTExporter:
    """ChatGPT 内容导出处理器"""

    def __init__(self, html_content: str):
        self.html = html_content
        self.clean_html: Optional[str] = None

    def _clean_content(self) -> str:
        """清洗 HTML 内容"""
        soup = BeautifulSoup(self.html, 'html.parser')

        # 处理代码块
        for code in soup.find_all('code'):
            code.parent['style'] = 'background: #f5f5f5; padding: 8px;'

        # 处理图片
        for img in soup.find_all('img'):
            img['style'] = 'max-width: 100%'

        return str(soup)

    def export(self, output_path: Path) -> None:
        """执行导出流程"""
        # 1. 内容清洗
        self.clean_html = self._clean_content()

        # 2. 格式转换
        with tempfile.NamedTemporaryFile(suffix='.docx') as tmp:
            pypandoc.convert_text(
                self.clean_html,
                'docx',
                format='html',
                outputfile=tmp.name
            )

            # 3. 样式优化
            adjust_styles(tmp.name)

            # 4. 保存结果
            with open(tmp.name, 'rb') as src:
                output_path.write_bytes(src.read())

# 单元测试示例
import unittest
class TestExporter(unittest.TestCase):
    def test_export(self):
        test_html = """<h1> 测试标题 </h1><p> 测试内容 </p>"""
        exporter = ChatGPTExporter(test_html)
        output = Path("test_output.docx")
        exporter.export(output)
        self.assertTrue(output.exists())

每 5000 字符插入分页符
使用 docx.oxml.OxmlElement('w:br') 创建手动分页

def embed_fonts(doc):
    """嵌入中文字体"""
    from docx.oxml.shared import OxmlElement

    font = OxmlElement('w:font')
    font.set('w:name', '微软雅黑')
    # ... 其他字体设置
    doc.styles.element.get_or_add_fonts().append(font)