萬盛學電腦網

您现在的位置: 萬盛學電腦網 >> 程式設計 >  >> 腳本程式專題 >> JavaScript

JavaScript 清理 Word 貼上內容多餘格式實作指南

問題背景

使用者從 Microsoft Word 複製內容貼入富文本編輯器(如 FCKeditor、CKEditor、TinyMCE)時,會帶入大量 Word 專屬標籤(<o:p>、<span class="MsoNormal">、內聯樣式、VML 向量圖形等),導致 HTML 髒亂、樣式汙染、甚至版面崩壞。本文提供一個針對 FCKeditor 的清理函式,可快速移除常見 Word 雜訊標籤與屬性。

核心清理邏輯

function cleanWord() {
  // 取得 FCKeditor 實例的 body 物件
  var editorInstance = FCKeditorAPI.GetInstance("text");
  var editBody = editorInstance.EditorDocument.body;

  // 1. 先取得純文字內容(去除所有標籤)
  var html = editBody.innerText;

  // 2. 遍歷所有元素,移除 Word 產生的屬性
  for (var i = 0; i < editBody.all.length; i++) {
    var el = editBody.all[i];
    el.removeAttribute("className", "", 0);
    el.removeAttribute("style", "", 0);
    el.removeAttribute("font", "", 0);
  }

  // 3. 針對常見 Word 標籤進行字串替換清理
  html = html.replace(/<o:p><\/o:p>/g, "");
  html = html.replace(/o:/g, "");
  html = html.replace(/<?font[^>]*>/gi, "");
  html = html.replace(/<?span[^>]*>/gi, "");
  html = html.replace(/<?p[^>]*>/gi, "");
  html = html.replace(/<\/?SPAN[^>]*>/gi, "");
  html = html.replace(/<\/?P[^>]*>/gi, "");

  // 4. 將清理後的純文字寫回編輯器
  editBody.innerText = html;
}

關鍵點解析

為何先取 innerText 再寫回?

innerText 會自動剝離所有 HTML 標籤,只保留可見文字。這比正則逐一刪除標籤更徹底,也避免漏掉巢狀標籤。但缺點是會丟失合法的結構標籤(<p>、<br>、<strong> 等),適合「只保留純文字」的需求。

屬性清理的必要性

Word 會為每個元素加上 class="MsoNormal"、style="mso-xxx:..." 等屬性。若不清理,這些類別可能與網站既有 CSS 衝突,導致版面錯亂。removeAttribute 第三參數 0 表示不區分大小寫(IE 專屬行為)。

現代編輯器的更好方案

若使用 CKEditor 4/5、TinyMCE 5+、Quill 等現代編輯器,內建 Paste from Word 外掛或 pasteFilter 機制,可自動轉換 Word 內容為乾淨 HTML,保留標題、列表、粗體等語意結構。範例:

// CKEditor 5 設定範例
ClassicEditor.create(document.querySelector('#editor'), {
  pasteFromOffice: {
    // 可自訂保留/移除的樣式
    keepStyles: ['bold', 'italic', 'underline', 'list']
  }
});

進階:自訂保留結構的清理策略

若需保留段落、標題、列表等結構,建議採用「白名單」策略:

  1. 使用 DOMParser 解析貼上 HTML
  2. 遞迴遍歷節點,僅保留允許的標籤與屬性
  3. 將 <span>、<font> 等無語意標籤「解包」(unwrap),保留子節點
  4. 輸出乾淨 HTML 字串寫回編輯器

這類邏輯可參考 CKEditor 5 paste-from-office 原始碼實作,或使用 word-html-cleaner 等成熟庫。

總結

本文提供的 cleanWord() 適合舊專案(FCKeditor)快速修正 Word 貼上汙染問題。新專案強烈建議升級至現代編輯器並啟用內建 Office 內容清理功能,能獲得更完整的語意保留與跨瀏覽器相容性。

copyright © 萬盛學電腦網 all rights reserved