PastyConvertor 0.01
PastyConvertor是我用Microsoft Word裡的Visual Basic寫的小程式，可以把Word文件轉換成HTML格式。
程式（壓縮檔就有三個檔案：安裝說明、一個.BAS模組、一個.FRM表單）可以從OSSF的OpenFoundry取得，請按這裡下載。另外還有程式專案摘要，以及程式介紹及安裝說明。
先別幻想太多，這是0.01版的程式，功能相當地簡單：把你選取的文件段落，直接在螢幕上輸出成加註HTML標籤的文字檔（輸出到另一個視窗中，你可以將輸出結果剪貼到你的HTML檔或常用的編輯器內）。目前支援（亦即可以轉換）的Word格式不多，只有粗體、斜體，及所有使用者自訂的字元樣式（需修改原始程式碼）。支援表格處理，但僅處理最簡單方正的表格。沒有處理段落樣式和非本文部份（例如註腳）的能力。
嗯？你可能會問，Word不是已經有「另存成Web畫面」的功能了嗎？為什麼要重新發明輪子呢？
需要是發明之母，不爽是發明之父。（你如果認為發明有兩個爸爸或媽媽，當然也行……）如果再加上一點點好奇心驅使，懶人也會（或者說也得）自己開始翻土播種。PastyConvertor其實就是這樣誕生的。
我長時間使用Word寫東西，但是我也有相當數量的HTML文件（例如自己的網頁、你現在看的blog等等、交給別人的文件）。將Word轉成HTML是件相當頭疼的問題，因為Word自家的「另存成Web畫面」，有幾個大缺點：
- 首先，轉出的HTML文件相當「不乾淨」，裡面充滿了微軟自家的HTML hack，及太多不必要的樣式修訂。
- 另外，「智慧引號」轉出來的結果是一項災難，例如：Two pairs of so-called “smart quotes” and ‘smart quotes.’ It’s a disaster. 在Word，如果轉出的是編碼為中文的文件，會變成：Two pairs of so-called “smart qutoes” and ‘smart quotes.’It’s a disaster. 原本是半形的引號，竟然轉成了全形的！
- 最後，Word是依照文件當前的樣式，以及樣式的look-and-feel，直接硬轉成HTML。但是這樣一來，HTML的stylesheet就等於是沒有意義的了 －－ 簡單地說，如果我在文件裡設定字元樣式為”emphasis_remark”，那麼我希望產出的HTML，是利用到我所指定的這個style的。而這個style，我可以另外在stylesheet中設定。但Word等於毀了這項設計。
當然，我可以理解，對一般使用者來說，如果轉出來的HTML檔能和Word長得一模一樣，應該是最自然不過了。另外，我用的Word 2000，我不知道後來的XP, 2002, 2003版，轉出來的HTML是不是仍然一樣髒。我知道大多數人會做的事情是，把轉出的HTML檔丟進像DreamWeaver那樣的工具，把多餘的HTML檔「清乾淨」，但如此一來所有的格式設定也都不見了。至於，智慧引號的問題，嚴格說來不是微軟的錯：因為在Unicode裡，上例的兩組引號（雙引號、單引號），竟然全形和半形都是同一組Unicode碼。瀏覽器其實是依照當時的編碼（例如英文或中文）來決定將引號顯示為全形或半形的（至少這是IE和Mozilla的implementation）。
但是重點來了：我不喜歡DreamWeaver幫我把所有的HTML標籤清乾淨（而且也不是真的很乾淨），可是我又不喜歡Word把HTML檔轉得跟Word文件一模一樣。正好相反：我希望轉出來的HTML和原始文件不一樣，只留下「格式的設定命令」（style commands），卻不要轉「格式的內容」（style contents）。
簡單地說是這樣子的：我希望能有一套簡單的轉換程式，可以只轉我想要的段落，而且最好直接輸出到螢幕上，這樣我就可以直接把轉出來的碼，貼到我的blog程式（我用的是Moveable Type的管理介面）。我只要留少數的格式，例如粗體、斜體、自定樣式，以及簡單的段落及表格處理能力就行了。轉換完之後，HTML文件的樣式，則由blog決定。等於是說，Word只是我的「文字處理器」，並用Word做簡單的格式「加註」（mark-up），但是最後文件的長相 －－ 亦即「組版」的過程 －－ 是由例如像Moveable Type來完成的。
另外，我也希望轉換的過程，能不影響我文件中的夾雜的各種外語。
你現在看到的這篇blog，就是我在Word上寫完，然後用PastyConvertor轉成HTML然後貼到Moveable Type裡的。我唯一加工的只有項目符號的部份（因為我還沒加入這種格式的轉換 :Q）以及兩個超連結（我也還沒加入）。
剛剛說過了，需要是發明之母，不爽是發明之母。（嗯？怎麼變成了兩個媽媽？你以為現代家庭一定只能由爸爸和媽媽組成嗎？別鬧了！）那麼好奇心呢？嗯，其實我很久以前就一直在玩弄（tinkering with）Word的Visual Basic了，但是一直參不透Word層層疊疊的物件模型。我對Word的內部格式沒興趣（微軟也從來沒正式發佈過，雖然另外有RTF這樣的半公開格式），但覺得把Word當做是一種application service，直接跟它要文件內容，這種物件導向式的思考，蠻有趣的。趁這次寫PastyConvertor的機會，總算是稍微對Word文件的內部組織方式（或者說是對外呈現的物件組織），有了多一點的瞭解。這個程式目前最大的缺點是慢：不知道是OLE的問題，還是Visual Basic的問題。有朝一日我想應該會改用C++或Perl重寫 －－ 或者，有朝一日，我將把我全部的文件作業，搬到其他的編輯程式上。PastyConvertor成為遺跡的那一天，是我移植成功的日子。The day PastyConvertor becomes a legacy is the day my porting efforts bear their fruits.
歡迎大家一起來搞搞Word內部的東西，「挪用」Word變成自己的HTML/XML editor，並且產製出自己喜歡、合宜好看的HTML檔。不要再忍受醜醜的「另存成Web畫面」的結果了！
lukhnos :: Jun.18.2004 :: :: No Comments »