如何将HTML中选定的<span>部分转换为DOCX？

不需要用pandoc模板，更高效的方式是先提取HTML里的所有内容，再用pandoc转换。以下是几种可行方案：

方案1：使用专门的HTML解析工具（推荐） #

这类工具能正确处理HTML的结构（包括嵌套标签、换行等），避免文本处理工具的误判。

用pup工具（需提前安装） #

提取所有标签及其内部内容：

pup 'span' input.html > extracted-spans.html

如果只需要里的纯文本：

pup 'span text{}' input.html > extracted-spans.html

然后用你的原有命令转换：

pandoc -s extracted-spans.html -o output.docx

用xmllint（多数系统自带） #

提取所有节点（含内部结构）：

xmllint --html --xpath '//span' input.html 2>/dev/null > extracted-spans.html

再执行pandoc转换命令即可。

方案2：简单文本处理工具（仅适用于无嵌套的简单HTML） #

如果你的HTML结构简单，没有嵌套的标签，可以用sed快速提取：

sed -n '/<span>/,/<\/span>/p' input.html > extracted-spans.html

注意：如果标签跨多行或存在嵌套，这个命令会出错，不推荐用于复杂HTML。

关于pandoc模板的说明 #

如果一定要用模板实现，其实并不方便——因为pandoc的模板变量体系不会将单独作为可遍历的顶级元素，无法直接在模板中筛选输出内容。因此优先选择上述提取内容的方案。

内容的提问来源于stack exchange，提问作者Packwood