【技巧】网页图文保存为docx文档：利用pypandoc库转换格式

一、问题的引出

今天遇到问题：能否将网页中指定区域的图文内容快速保存为docx文档呢？效果如下图。

之前在论坛看过类似的提问和解法，采用获取目标网页元素的源码后写入到html，详情参考此链接：https://www.winrobot360.com/community/detaildiscuss/?id=daaaf634-0b4c-4ded-8ca1-d3e2ab696d41

二、解决问题的思路

上面帖子的提供了一个不错的思路，不过流程到获取内容保存到html就结束了，没有保存为docx文档的方法，能否在这个方法的基础上再拓展下呢？带着这个想法到网页上搜索关键词“python html 转 docx"，出来的结果似乎可以解决问题。

看了几个网页链接，发现其中下面这个帖子基本可以满足了我的需求，照着依样画葫芦操作了一番后，确实可以解决一部分格式转换的问题。

https://blog.csdn.net/fenglepeng/article/details/108982782

照着操作网页文本是保存下来了，但是为什么网页图片不见了？？？😕

看来应该有什么地方出错了！于是继续搜索，查找图片丢失的原因，继续搜索关键词”pypandoc html2 docx image lost“，搜索出来的结果应该可以解决问题，点进去看看再说！！

果然，其中一个帖子里解释了原因，只需要添加sandbox=False  这个参数就可以了

果然，添加了这个sandbox=False参数后，保存的文档中就有图片了，Get！！！

三、操作流程指引

② 获取目标网页对象，捕获目标网页元素，使用”获取元素信息“获取目标元素的网页源代码

③ 插入”python代码块“，写入目标代码，执行指令。

# 下面是代码内容，可以直接复制后修改上图黄底色的参数

import pypandoc
pypandoc.convert_text(
web_element_attribute,
to="docx",
format="html",
outputfile=r"d:\向风飞行.docx",
sandbox=False)

④ 保存下来的文档效果图如下

PS：pypandoc模块的功能很强大，有兴趣的朋友可以搜索下它的功能和使用场景。