把Word轉為簡潔的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 特有標簽，然後刪除一些 font,b,span 等。進一步，在 editplus 裡面用正則進行處理，最後得到我想要的干淨的html 代碼。當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標簽，：）

　　今天又看到lifehacker這幾種word 2 clean htm方法：

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

　　2.微軟官方站點也有個Office 2000 HTML Filter 2.0工具，可以用來處理掉word2000轉html時出現的多余代碼。

　　3.使用這個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式（其實，上面的各種軟件也都是用正則來解決的）

　　刪除不需要的標簽

　　<[/]?(font|span|xml|[ovwxp]:w+)[^>]*?>
- replace any matches with the empty string

　　刪除class,style...等不需要的屬性

　　<([^>]*)(?:class|lang|style|size|face|[ovwxp]:w+)=(?:'[^']*'|""[^""]*""|[^>]+)([^>]*)>
- replace any matches with <$1$2>

　　詳細解釋在Clean Word HTML using Regular Expressions