Word in sauberes HTML

Was die Zwischenablage wirklich enthält

Wenn Sie in Word kopieren, bekommt die Zwischenablage mehrere Fassungen Ihrer Auswahl gleichzeitig. Eine ist reiner Text. Eine andere ist HTML, und genau die übernimmt der Editor einer Website beim Einfügen.

Das HTML von Word beschreibt, wie die Seite auf Ihrem Bildschirm aussah. Ein einzelner Absatz kommt so an:

<p class="MsoNormal" style="margin-bottom:8.0pt;line-height:107%">
  <span style="font-size:11.0pt;font-family:&quot;Calibri&quot;,sans-serif">Hello<o:p></o:p></span>
</p>

Dazu kommen ein Stylesheet von mehreren hundert Zeilen, bedingte Kommentare und Tags aus dem eigenen Vokabular von Office. Google Docs ist kürzer, aber nicht sauberer. Alles steckt in einer Hülle mit einer docs-internal-guid-Kennung, und fetter Text ist ein span mit font-weight:700. Auf einer Website schlagen diese Inline-Stile das Design der Website, deshalb sieht jeder eingefügte Artikel ein wenig anders aus als der vorige.

Was bleibt, umgewandelt wird und entfällt

Für Überschriften gilt eine Regel. Die Ausgabe nutzt nur die Ebenen 2 bis 4, denn auf den meisten Websites belegt der Seitentitel schon Ebene 1. Enthält Ihr Dokument eine „Überschrift 1“ oder einen „Titel“, rückt jede Überschrift eine Stufe nach unten. Alles tiefer als Ebene 4 wird zu Ebene 4.

Ein geschütztes Leerzeichen bleibt nur dort, wo es eine Aufgabe hat: vor ; : ! ? % oder einem Währungszeichen und zwischen einer Ziffer und dem, was darauf folgt. Alle anderen werden zu normalen Leerzeichen.

Die Zusammenfassung lesen

Nach dem Einfügen nennt die erste Zeile die Quelle, die das Tool an Spuren im Markup erkannt hat (Word, Google Docs, LibreOffice oder etwas anderes), und zeigt die Größe des Codes vorher und nachher. Ein Rückgang um 80 bis 95 Prozent ist bei Word normal.

Darunter stehen die Zahl der entfernten Inline-Stile und Klassen und die der neu aufgebauten falschen Listen. Zwei Zeilen fordern Sie zum Handeln auf:

• Bilder entfernt. Ein aus Word eingefügtes Bild verweist auf eine temporäre Datei auf Ihrem eigenen Computer, eines aus Google Docs auf eine Adresse, die abläuft. Ihre Besucher würden keines davon sehen. Laden Sie das Bild im Editor Ihrer Website hoch und schreiben Sie dort seinen Alternativtext.
• Absätze komplett fett. Ein kurzer Absatz (unter 90 Zeichen), der von Anfang bis Ende fett ist, ist meist eine Überschrift, die jemand als fetten Text getippt hat. Das Tool rät die Ebene nicht für Sie. Machen Sie daraus eine echte Überschrift, damit Suchmaschinen und Screenreader die Gliederung sehen.

Zwei Wege, das Ergebnis zu übernehmen

Für den Editor kopieren

Legt den bereinigten Inhalt als formatierten Text in die Zwischenablage. Fügen Sie ihn in den Block-Editor von WordPress ein, und jede Überschrift, jeder Absatz, jede Liste und jede Tabelle wird zu einem eigenen Block. Die meisten visuellen Editoren gehen genauso damit um.

HTML-Code

Der Quelltext, eingerückt und lesbar. Nutzen Sie ihn in einem Block „Individuelles HTML“, in der Code-Ansicht eines Newsletter-Dienstes oder in einer Vorlage.

Enthält die Zwischenablage überhaupt kein HTML, etwa bei Text aus einem Terminal oder einem reinen Texteditor, werden Leerzeilen zu Absatzumbrüchen und einzelne Zeilenumbrüche zu <br>.

Was absichtlich verloren geht

Farben, Hervorhebungen, Ausrichtung, Einzüge, Schriftgrößen und Spaltenlayouts werden verworfen. Ebenso Kommentare und Textfelder. Links zu Textmarken innerhalb der Word-Datei, etwa Fußnotenverweise und Inhaltsverzeichniseinträge, verlieren ihren Link und behalten ihren Text. Tabellenrahmen und Spaltenbreiten fallen ebenfalls weg, und Ihre Website entscheidet, wie Tabellen aussehen. Die optionale Typografie-Einstellung ist für französische Texte gedacht und sollte bei anderen Sprachen aus bleiben.