一、問題說明：
很多人在 word 或 excel 寫好一些文件後想直接的儲存為 html 檔發佈到網站上，但若真的檢查後會發現這轉過來的 HTML 檔中有很多沒必要的CSS 與 HTML 標籤，這讓網頁變的很大，終其原因跟 office 的歷史包袱有關。
以 word 為例，想想在 office 2007 之前我們 word 的附屬檔名只有 .doc，但自從網際網路上文件愈加開放之際，要能做文件轉換就必須使用 XML 格式，所以我們現在看到的 word 附屬檔名皆為 .docx。
而現在的 docx 檔事實上就是一個壓縮檔，你將一個 word 有壓縮程式打開會發現下圖結構：
看標題是個 word 檔，裏面確是一些 xml 檔與其它檔案組合
我也是在投稿時才發現，明明檔案中字數才 7000 字，但用 word 內建 count 確是超過 8000 字，投稿系統一直不讓我上傳，後來是來改這裏面 xml 檔內容才發現真的是顯示超過 8000，但真的一字一字包含特殊符號 count 才 7000，所以改了 xml 檔內容後才正確後上傳。也因為這件事我才了解原來現在的 word 就是個壓縮檔案。
二、原因
我去網路上找了一些原因發現 word 為了確保文件在不同版本的 Office、印表機、排版引擎下看起來完全一模一樣，會把每一個字元、段落、頁首頁尾的視覺細節(字型大小、行距、字距、縮排、語言設定、追蹤修訂等)都用專屬的 XML 標籤（OpenXML 規範）精確記下來。
當 word 將檔案「另存為 HTML」時，它的轉換引擎採用的是「完全忠實複製（1:1 Full Fidelity）」策略。它把 OpenXML 裡記錄的每一個微小屬性，硬生生翻譯成 HTML 的 style="" 內聯樣式（Inline Styles）與 <o:p>、<w:WordDocument> 這類自訂的 XML 命名空間（Namespaces）。
另外, 在 word 中，一個字的最終外觀是由多層結構疊加出來的：預設樣式👉段落樣式👉字元樣式👉手動覆蓋(Direct Formatting)，所以轉換成 HTML 時，word 的轉換引擎通常不會做 CSS 的精簡與合併，而是把每一層繼承到的屬性，全部重複印在每一個 <p> 與 <span> 標籤上。這就導致原本只需要一行 CSS 的效果，變成了滿頁的贅餘程式碼。
最後，讓它肥大的最大原因是word 匯出 HTML 的目的，不只是為了讓瀏覽器顯示，還為了讓你「用 Word 重新開啟這個 HTML 時，格式完全不會跑掉」。為了做到這一點，word 會將大量的 word 內部專用設定（例如：頁面邊界、網格對齊、註腳鏈結、WordArt 特效等），透過 class=MsoNormal 或 <!--[if gte mso 9]> 等註解語法大量寫入 <head> 與樣式表內。
來看例子，我們一般寫網頁，Doraemon 藍字，機器貓粗斜體，下面語法足夠，20行內搞定。
但在 word 內寫完轉存 html 檔後變成下面
足足變成 840 行，裏面全是用不到的冗長碼。
三、解決方法
當然如果可以用網頁語言直接寫就直接寫，但若做不到，可試下列方法：
1. word 在轉存 html 檔時，不要選存 html，而是改選另存為「已篩選過的網頁」：
大小會差很多，以同一個例子來說會變成下方，剩不到 80 行，雖然還是很大，但變為1/10。
2. dreamweaver 中也有將 word 這些冗長碼清除的功能
清完後剩 40 行左右，可接受。
3. VS Code 擴充功能：
如果你是用 vscode，那可以安裝 Minify 或使用 Regex 正則表達式批次替換 style="mso-..." 相關內容。
4. 安裝 Pandoc 工具
可至 Pandoc 下載工具安裝使用。
5. 選一些線上 word 轉 HTML 雲端服務