Como Converter Documentos Word para HTML com VBA

Sobre nós: Site pessoal de Timofey Bugaevsky e da empresa Zetka Interactive

Guias: Uma colecção abrangente de guias técnicos escritos da perspectiva de um programador sénior. Cada artigo fornece explicações aprofundadas, exemplos de código práticos e padrões prontos para produção.

Integrações: Serviços de terceiros e integrações de plataformas

Os documentos do Microsoft Word precisam frequentemente de ser convertidos para HTML para publicação na web, modelos de e-mail ou sistemas de gestão de conteúdos. Embora o Word ofereça exportação para HTML integrada, esta produz marcação inchada com estilos proprietários. As macros VBA proporcionam controlo granular sobre o processo de conversão, criando HTML limpo e semântico. Este guia aborda a implementação de uma conversão profissional de Word para HTML na perspetiva de um programador sénior.

Porquê uma Conversão VBA Personalizada

Uma conversão VBA personalizada oferece vantagens face à exportação nativa do Word:

Marcação Limpa: Controlar exatamente que HTML é gerado
Tratamento de Tabelas: Converter corretamente tabelas complexas e aninhadas
Mapeamento de Estilos: Mapear estilos do Word para classes CSS
Processamento em Lote: Converter automaticamente vários documentos
Integração: Incorporar em fluxos de trabalho de documentos

Compreender o Desafio

Os documentos Word contêm:

Parágrafos: Blocos de texto básicos com formatação
Tabelas: Frequentemente aninhadas para layouts complexos
Imagens: Gráficos incorporados ou ligados
Estilos: Conjuntos de formatação com nome
Listas: Itens numerados e com marcas

Cada elemento requer tratamento específico durante a conversão.

Estrutura Básica do Documento

Aceder ao Conteúdo do Documento

Sub ConvertDocumentToHTML()
Dim doc As Document
Dim output As String
Dim para As Paragraph
Set doc = ActiveDocument
output = "<!DOCTYPE html>" & vbCrLf
output = output & "<html><head>" & vbCrLf
output = output & "<meta charset=""UTF-8"">" & vbCrLf
output = output & "<title>" & doc.Name & "</title>" & vbCrLf
output = output & "</head><body>" & vbCrLf
' Process each paragraph
For Each para In doc.Paragraphs
output = output & ConvertParagraph(para)
Next para
output = output & "</body></html>"
' Write to file
WriteToFile doc.Path & "\" & Replace(doc.Name, ".docx", ".html"), output
End Sub
Function ConvertParagraph(para As Paragraph) As String
Dim html As String
Dim text As String
text = Trim(para.Range.text)
' Remove paragraph mark
text = Replace(text, Chr(13), "")
If Len(text) = 0 Then
ConvertParagraph = ""
Exit Function
End If
' Determine element type based on style
Select Case para.Style.NameLocal
Case "Heading 1"
html = "<h1>" & EscapeHTML(text) & "</h1>"
Case "Heading 2"
html = "<h2>" & EscapeHTML(text) & "</h2>"
Case "Heading 3"
html = "<h3>" & EscapeHTML(text) & "</h3>"
Case Else
html = "<p>" & ConvertInlineFormatting(para.Range) & "</p>"
End Select
ConvertParagraph = html & vbCrLf
End Function

Escapar Caracteres HTML

Function EscapeHTML(text As String) As String
Dim result As String
result = text
result = Replace(result, "&", "&amp;")
result = Replace(result, "<", "&lt;")
result = Replace(result, ">", "&gt;")
result = Replace(result, """", "&quot;")
result = Replace(result, "'", "&#39;")
EscapeHTML = result
End Function

Tratar Formatação Inline

Os parágrafos do Word contêm segmentos de texto com formatação diferente. Processe cada segmento separadamente:

Function ConvertInlineFormatting(rng As Range) As String
Dim html As String
Dim char As Range
Dim i As Long
Dim currentBold As Boolean
Dim currentItalic As Boolean
Dim currentUnderline As Boolean
Dim text As String
html = ""
currentBold = False
currentItalic = False
currentUnderline = False
For i = 1 To rng.Characters.Count
Set char = rng.Characters(i)
text = char.text
' Skip paragraph marks
If text = Chr(13) Or text = Chr(7) Then
GoTo NextChar
End If
' Check formatting changes
If char.Bold And Not currentBold Then
html = html & "<strong>"
currentBold = True
ElseIf Not char.Bold And currentBold Then
html = html & "</strong>"
currentBold = False
End If
If char.Italic And Not currentItalic Then
html = html & "<em>"
currentItalic = True
ElseIf Not char.Italic And currentItalic Then
html = html & "</em>"
currentItalic = False
End If
If char.Underline <> wdUnderlineNone And Not currentUnderline Then
html = html & "<u>"
currentUnderline = True
ElseIf char.Underline = wdUnderlineNone And currentUnderline Then
html = html & "</u>"
currentUnderline = False
End If
html = html & EscapeHTML(text)
NextChar:
Next i
' Close any open tags
If currentUnderline Then html = html & "</u>"
If currentItalic Then html = html & "</em>"
If currentBold Then html = html & "</strong>"
ConvertInlineFormatting = html
End Function

Converter Tabelas

As tabelas requerem tratamento especial, especialmente quando aninhadas:

Function ConvertTable(tbl As Table) As String
Dim html As String
Dim row As row
Dim cell As cell
Dim cellContent As String
html = "<table>" & vbCrLf
For Each row In tbl.Rows
html = html & " <tr>" & vbCrLf
For Each cell In row.Cells
' Check for nested tables
If cell.Range.Tables.Count > 0 Then
' Process nested table first
cellContent = ConvertTable(cell.Range.Tables(1))
Else
cellContent = ConvertCellContent(cell)
End If
html = html & " <td>" & cellContent & "</td>" & vbCrLf
Next cell
html = html & " </tr>" & vbCrLf
Next row
html = html & "</table>" & vbCrLf
ConvertTable = html
End Function
Function ConvertCellContent(cell As cell) As String
Dim text As String
text = cell.Range.text
' Remove cell markers
text = Replace(text, Chr(13), "")
text = Replace(text, Chr(7), "")
ConvertCellContent = EscapeHTML(Trim(text))
End Function

Tratar Tabelas Aninhadas

Documentos complexos contêm frequentemente tabelas dentro de tabelas. Processe do nível mais interno para o mais externo:

Function ProcessNestedTables(para As Paragraph, OutputDoc As Document) As Boolean
Dim IsTablePara As Boolean
Dim TablePar As Paragraph
Dim TableParIndex As Integer
Dim IsSimpleTable As Boolean
Dim InsideTablePar As Paragraph
Dim TempTable As Document
IsTablePara = False
If para.Range.Tables.Count > 0 Then
IsTablePara = True
' Create temporary document for table conversion
Dim TablesDoc As Document
Set TablesDoc = Documents.Add
para.Range.Tables(1).Range.Cut
TablesDoc.Content.Paste
' Process tables from innermost to outermost
While TablesDoc.Tables.Count > 0
' Find the first simple table (no nested tables)
For TableParIndex = TablesDoc.Paragraphs.Count To 1 Step -1
Set TablePar = TablesDoc.Paragraphs(TableParIndex)
If TablePar.Range.Tables.Count > 0 Then
' Check if this table contains nested tables
IsSimpleTable = True
For Each InsideTablePar In TablePar.Range.Tables(1).Range.Paragraphs
If InsideTablePar.Range.Tables.Count > 0 Then
If InsideTablePar.Range.Tables(1).Range.Start <> _
TablePar.Range.Tables(1).Range.Start Then
IsSimpleTable = False
Exit For
End If
End If
Next
' Convert simple table to HTML
If IsSimpleTable Then
Set TempTable = GenerateHTMLTable(TablePar.Range.Tables(1))
TablePar.Range.Tables(1).Range.Select
TablePar.Range.Tables(1).Delete
Selection.Collapse Direction:=wdCollapseStart
Selection.FormattedText = TempTable.Range
TempTable.Close False
Exit For
End If
End If
Next
Wend
' Output converted content
OutputDoc.Content.InsertAfter text:=TablesDoc.Range.text
TablesDoc.Close False
End If
ProcessNestedTables = IsTablePara
End Function

Converter Listas

Trate tanto listas numeradas como listas com marcas:

Function ConvertList(para As Paragraph) As String
Dim html As String
Dim listType As String
Dim text As String
text = Trim(Replace(para.Range.text, Chr(13), ""))
' Determine list type
If para.Range.ListFormat.ListType = wdListBullet Then
listType = "ul"
ElseIf para.Range.ListFormat.ListType = wdListSimpleNumbering Or _
para.Range.ListFormat.ListType = wdListMixedNumbering Then
listType = "ol"
Else
ConvertList = ""
Exit Function
End If
' Check if this is the start of a list
Dim prevPara As Paragraph
Dim isListStart As Boolean
isListStart = True
If para.Range.Start > 1 Then
Set prevPara = para.Previous
If Not prevPara Is Nothing Then
If prevPara.Range.ListFormat.ListType = para.Range.ListFormat.ListType Then
isListStart = False
End If
End If
End If
' Build HTML
If isListStart Then
html = "<" & listType & ">" & vbCrLf
End If
html = html & " <li>" & EscapeHTML(text) & "</li>" & vbCrLf
' Check if this is the end of a list
Dim nextPara As Paragraph
Set nextPara = para.Next
If nextPara Is Nothing Then
html = html & "</" & listType & ">" & vbCrLf
ElseIf nextPara.Range.ListFormat.ListType <> para.Range.ListFormat.ListType Then
html = html & "</" & listType & ">" & vbCrLf
End If
ConvertList = html
End Function

Tratar Imagens

Extraia e referencie imagens:

Function ConvertImage(shape As InlineShape, outputFolder As String, imageIndex As Integer) As String
Dim imagePath As String
Dim imageName As String
imageName = "image_" & imageIndex & ".png"
imagePath = outputFolder & "\" & imageName
' Export image to file
shape.Range.CopyAsPicture
' Save using chart export (workaround for VBA limitation)
Dim chartObj As ChartObject
Dim tempSheet As Worksheet
' Note: Full image export requires additional handling
ConvertImage = "<img src=""" & imageName & """ alt=""Image " & imageIndex & """>"
End Function

Saída para Ficheiro

Escrever HTML para Ficheiro

Sub WriteToFile(filePath As String, content As String)
Dim fileNum As Integer
fileNum = FreeFile
Open filePath For Output As #fileNum
Print #fileNum, content
Close #fileNum
End Sub

Criar Saída com Codificação UTF-8

Sub WriteUTF8File(filePath As String, content As String)
Dim stream As Object
Set stream = CreateObject("ADODB.Stream")
stream.Open
stream.Type = 2 ' Text
stream.Charset = "UTF-8"
stream.WriteText content
stream.SaveToFile filePath, 2 ' Overwrite
stream.Close
End Sub

Módulo de Conversão Completo

Option Explicit
' Style for converted content
Const NoFormattingStyle As String = "HTMLConverted"
Sub ConvertActiveDocumentToHTML()
Dim doc As Document
Dim outputPath As String
Dim html As String
Set doc = ActiveDocument
outputPath = doc.Path & "\" & Replace(doc.Name, ".docx", ".html")
html = BuildHTMLDocument(doc)
WriteUTF8File outputPath, html
MsgBox "Conversion complete: " & outputPath, vbInformation
End Sub
Function BuildHTMLDocument(doc As Document) As String
Dim html As String
Dim para As Paragraph
Dim imageIndex As Integer
imageIndex = 1
' HTML header
html = "<!DOCTYPE html>" & vbCrLf
html = html & "<html lang=""en"">" & vbCrLf
html = html & "<head>" & vbCrLf
html = html & " <meta charset=""UTF-8"">" & vbCrLf
html = html & " <meta name=""viewport"" content=""width=device-width, initial-scale=1.0"">" & vbCrLf
html = html & " <title>" & EscapeHTML(doc.Name) & "</title>" & vbCrLf
html = html & " <style>" & vbCrLf
html = html & " body { font-family: Arial, sans-serif; max-width: 800px; margin: 0 auto; padding: 20px; }" & vbCrLf
html = html & " table { border-collapse: collapse; width: 100%; margin: 1em 0; }" & vbCrLf
html = html & " td, th { border: 1px solid #ddd; padding: 8px; }" & vbCrLf
html = html & " </style>" & vbCrLf
html = html & "</head>" & vbCrLf
html = html & "<body>" & vbCrLf
' Process content
For Each para In doc.Paragraphs
' Skip if inside table (tables handled separately)
If para.Range.Tables.Count = 0 Then
If para.Range.ListFormat.ListType <> wdListNoNumbering Then
html = html & ConvertList(para)
Else
html = html & ConvertParagraph(para)
End If
ElseIf para.Range.Start = para.Range.Tables(1).Range.Start Then
html = html & ConvertTable(para.Range.Tables(1))
End If
Next para
html = html & "</body>" & vbCrLf
html = html & "</html>"
BuildHTMLDocument = html
End Function

Boas Práticas

Testar incrementalmente: Converter primeiro documentos simples
Tratar casos limite: Parágrafos vazios, caracteres especiais
Preservar a semântica: Usar elementos HTML apropriados
Incluir estilos: Incorporar ou ligar CSS para formatação
Validar a saída: Verificar se o HTML gerado está bem formado
Processamento em lote: Adicionar iteração de pastas para vários ficheiros

Principais Conclusões

Processar segmentos para formatação: Carácter a carácter para estilos inline
Tratar tabelas aninhadas com cuidado: Processamento de dentro para fora
Mapear estilos para elementos: Títulos, listas, parágrafos
Usar codificação UTF-8: Suportar caracteres internacionais
Saída limpa: Remover marcadores específicos do Word

A conversão de documentos com VBA requer paciência e testes — o modelo de objetos do Word tem particularidades, mas o controlo que proporciona sobre a qualidade da saída torna-o valioso para fluxos de trabalho de publicação profissional.