扫一扫
分享文章到微信
扫一扫
关注官方公众号
至顶头条
word可以直接另存为 htm,但即使是 另存为 html 也会有大量的废代码。以前我一般用 dreamweaver 的 clean up html 来处理,先处理 word 特有标签,然后删除一些 font,b,span 等。进一步,在 editplus 里面用正则进行处理,最后得到我想要的干净的html 代码。当然最完美的办法就是拷贝文字出来,自己用文本编辑器书写htm标签,:)
今天又看到lifehacker这几种word 2 clean htm方法:
1.使用这个HTML Tidy Library Project开源软件来处理。
2.微软官方站点也有个Office 2000 HTML Filter 2.0工具,可以用来处理掉word2000转html时出现的多余代码。
3.使用这个Word HTML Cleaner 在线工具来处理。只能处理word2000以下版本。
4.有人给出了正则表达式(其实,上面的各种软件也都是用正则来解决的)
删除不需要的标签
<[/]?(font|span|xml|[ovwxp]:w+)[^>]*?>
- replace any matches with the empty string
删除class,style...等不需要的属性
<([^>]*)(?:class|lang|style|size|face|[ovwxp]:w+)=(?:'[^']*'|""[^""]*""|[^>]+)([^>]*)>
- replace any matches with <$1$2>
如果您非常迫切的想了解IT领域最新产品与技术信息,那么订阅至顶网技术邮件将是您的最佳途径之一。
现场直击|2021世界人工智能大会
直击5G创新地带,就在2021MWC上海
5G已至 转型当时——服务提供商如何把握转型的绝佳时机
寻找自己的Flag
华为开发者大会2020(Cloud)- 科技行者