如何用PhpWord将docx文件转换为仅含正文内容的HTML

要实现只获取docx转换后的正文内容，而非完整的HTML结构，可以通过两种方式实现：

方法一：配置HTMLWriter选项（推荐） #

PhpWord的HTMLWriter支持通过配置选项禁用完整HTML标签的生成，直接输出正文内容：

$fileTmp = public_path('test.docx');
$phpWord = \PhpOffice\PhpWord\IOFactory::load($fileTmp);
$htmlWriter = new \PhpOffice\PhpWord\Writer\HTML($phpWord);

// 禁用生成<html>、<head>标签，仅输出正文
$htmlWriter->setWriterOption('includeHtmlTag', false);
$htmlWriter->setWriterOption('includeHeadTag', false);

$content = $htmlWriter->getContent();

设置includeHtmlTag和includeHeadTag为false后，HTMLWriter会跳过<html>、<head>以及包裹正文的<body>标签，直接返回docx中的正文HTML内容。

方法二：DOM解析提取正文（兼容旧版本） #

如果你的PhpWord版本不支持上述配置选项，可以用DOMDocument解析完整HTML，提取<body>内的内容：

$fileTmp = public_path('test.docx');
$phpWord = \PhpOffice\PhpWord\IOFactory::load($fileTmp);
$htmlWriter = new \PhpOffice\PhpWord\Writer\HTML($phpWord);
$fullHtml = $htmlWriter->getContent();

// 初始化DOMDocument并处理编码问题
$dom = new \DOMDocument();
libxml_use_internal_errors(true); // 屏蔽HTML解析警告
$dom->loadHTML(mb_convert_encoding($fullHtml, 'HTML-ENTITIES', 'UTF-8'));
libxml_clear_errors();

// 提取body下的所有内容
$bodyNode = $dom->getElementsByTagName('body')->item(0);
$content = '';
foreach ($bodyNode->childNodes as $child) {
    $content .= $dom->saveHTML($child);
}

这种方法通过解析完整HTML文档，将<body>标签内的所有子节点拼接成正文内容，适配不支持配置选项的旧版PhpWord。

内容的提问来源于stack exchange，提问作者user3459394