Word批量转换.doc为UTF-8编码.htm文件的自动化方案

问题描述 #

我们从其他公司接手了一个老旧项目，该项目的帮助索引由一系列从.doc文件转换得到的.htm文件构成。原团队导出这些文件时使用了已过时、不再受支持的编码格式，导致文件中充斥着乱码特殊字符。

后续我们会将该系统替换为更易使用、更易开发维护的新系统，但由于该产品拥有庞大用户基数，过渡期内需先修复现有编码问题。我尝试过数个老旧VBS脚本均无法正常运行，想咨询是否有当前仍可用的自动化工具实现该需求，避免手动重新导出数百个doc文件（手动操作工作量虽不算极大，但我当前有其他优先级更高的工作待处理）。

明确需求：将指定文件夹内的所有.doc文件重新保存为UTF-8编码的.htm文件

已尝试方案 #

我查阅了多个技术帖子尝试各类解决方案，当前使用的VBA代码如下：

Sub ChangeDocsToTxtOrRTFOrHTML()
    Dim locFolder As String
    Dim fileType As String
    Dim oFolder As Object
    Dim tFolder As Object
    Dim fs As Object
    
    locFolder = "C:\Users\ColeD\Desktop\Help Files Angular"
    fileType = ".htm"
    Set fs = CreateObject("Scripting.FileSystemObject")
    Set oFolder = fs.GetFolder(locFolder)
    Set tFolder = fs.GetFolder(locFolder & "Converted")
    
    For Each oFile In oFolder.Files
    MsgBox ("hrtr!")
        Dim d As Document
        Set d = Application.Documents.Open(oFile.Path)
        strDocName = ActiveDocument.Name
        intPos = InStrRev(strDocName, ".")
        strDocName = Left(strDocName, intPos - 1)
        strDocName = strDocName & fileType
        ChangeFileOpenDirectory tFolder
        
        ActiveDocument.SaveAs2 FileName:=strDocName & fileType, _
                               FileFormat:=wdFormatHTML, _
                               Encoding:=msoEncodingUTF8

        d.Close
        ChangeFileOpenDirectory oFolder
    Next oFile
    MsgBox ("Done!")
End Sub

当前代码运行异常：仅打开第一个文件后就停止运行，无法完成批量转换。

问题原因与修复代码 #

原有代码运行中断主要是三个硬伤导致：

1. 没有做文件类型过滤，会遍历文件夹内所有文件（包括已生成的htm、系统临时文件），打开非doc格式文件会直接报错中断
2. 文件名拼接逻辑重复追加后缀，且依赖ChangeFileOpenDirectory切换工作路径，批量循环时极易出现路径错乱
3. 打开文档后混用ActiveDocument和自定义文档对象，只要弹出兼容模式提示、宏警告这类弹窗导致焦点偏移，后续操作就会因对象匹配错误中断

直接使用下方修复完成的代码即可，将代码粘贴到Word的VBA编辑器中运行，无需提前手动创建输出文件夹：

Sub BatchConvertDocToUTF8Html()
    Dim locFolder As String
    Dim oFolder As Object, tFolder As Object, oFile As Object
    Dim fs As Object
    Dim d As Document
    Dim strDocName As String
    Dim savePath As String
    
    ' 路径配置，可根据实际情况修改
    locFolder = "C:\Users\ColeD\Desktop\Help Files Angular"
    Const saveExt As String = ".htm"
    
    Set fs = CreateObject("Scripting.FileSystemObject")
    Set oFolder = fs.GetFolder(locFolder)
    ' 自动创建输出文件夹，已存在则跳过
    If Not fs.FolderExists(locFolder & "\Converted") Then
        fs.CreateFolder locFolder & "\Converted"
    End If
    Set tFolder = fs.GetFolder(locFolder & "\Converted")
    
    ' 关闭屏幕刷新，提升运行速度，减少弹窗干扰
    Application.ScreenUpdating = False
    
    For Each oFile In oFolder.Files
        ' 仅处理后缀为.doc的文件，跳过其他格式、临时文件
        If LCase(fs.GetExtensionName(oFile.Path)) = "doc" Then
            ' 以只读、隐藏模式打开文档，禁用最近文件记录，避免弹窗中断
            Set d = Application.Documents.Open( _
                FileName:=oFile.Path, _
                ReadOnly:=True, _
                AddToRecentFiles:=False, _
                Visible:=False)
            
            ' 提取无后缀的纯文件名，兼容文件名带多个点的场景
            strDocName = fs.GetBaseName(oFile.Name)
            savePath = tFolder.Path & "\" & strDocName & saveExt
            
            ' 直接指定全路径保存为UTF-8编码HTML，无需切换工作目录
            d.SaveAs2 _
                FileName:=savePath, _
                FileFormat:=wdFormatHTML, _
                Encoding:=msoEncodingUTF8, _
                InsertLineBreaks:=False, _
                AllowSubstitutions:=False
            
            d.Close SaveChanges:=False
        End If
    Next oFile
    
    ' 恢复屏幕刷新默认配置
    Application.ScreenUpdating = True
    MsgBox "批量转换完成！"
End Sub

运行注意事项 #

• 运行前关闭所有无关Word窗口，避免文件被占用导致打开失败
• 遇到损坏、加密的doc文件会自动跳过，不会中断整体转换流程
• 导出的HTML会携带Word生成的冗余标记，仅用于过渡期解决乱码问题完全满足需求，后续切换新系统可直接废弃

内容的提问来源于stack exchange，提问作者Serus