把Word轉(zhuǎn)為簡(jiǎn)潔的html的若干種方法

        Word可以直接另存為 htm，但即使是 另存為 Html 也會(huì)有大量的廢代碼。以前我一般用 dreamweaver 的 clean up html 來處理，先處理 word 特有標(biāo)簽，然后刪除一些 font,b,span 等。進(jìn)一步，在 editplus 里面用正則進(jìn)行處理，最后得到我想要的干凈的html 代碼。當(dāng)然最完美的辦法就是拷貝文字出來，自己用文本編輯器書寫htm標(biāo)簽，：）

今天又看到lifehacker這幾種word 2 clean htm方法：

1.使用這個(gè)HTML Tidy Library Project開源軟件來處理。

2.微軟官方站點(diǎn)也有個(gè)Office 2000 HTML Filter 2.0工具，可以用來處理掉word2000轉(zhuǎn)html時(shí)出現(xiàn)的多余代碼。

3.使用這個(gè)Word HTML Cleaner 在線工具來處理。只能處理word2000以下版本。

4.有人給出了正則表達(dá)式（其實(shí)，上面的各種軟件也都是用正則來解決的）

刪除不需要的標(biāo)簽

<[/]?(fontspanXML[ovwXP]:w+)[^>]*?>
- replace any matches with the empty string

刪除class,style...等不需要的屬性

<([^>]*)(?:classlangstylesizeface[ovwxp]:w+)=(?:'[^']*'""[^""]*""[^>]+)([^>]*)>
- replace any matches with <$1$2>