把Word转为简洁的html的若干种方法

　　 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

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

删除class,style...等不需要的属性

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

相关阅读

各不相同 Word中几种文本格式的区别

Office 2007中关闭页面空白的方法

Word中输入11至20带圈字符的快捷方法

各不相同 Word中几种文本格式的区别

简单方法让你的Office彰显个性

制作Word表格的最基本方法：绘制与插入

清除Word文档页眉横线的第N种方法

快速找到Word模板文件Normal.dot的方法