Очистка HTML кода от тегов Microsoft Word (2000-2007)?

Question

[prox]

Подскажите пожалуйста метод очистки HTML кода от тегов Word-a
Кода много, вручную не предлагать. (~10MB)

(юзер не использовал кнопку очистки от тегов в TinyMCE )


Необходимо обработать файл/базу для дальнейшего использования


пробовал: tidy, Word2003 web-filtered и еще пару инструментов, но результата ожидаемого не дало

Comments

[Sergey]

google: clean+html+word

Answer 1

[ipswitch]

В своё время отлично работала функция HTML Cleanup — MS Word Cleanup в Dreamweaver MX, ещё от Macromedia, до этих Adobe Creative Suite. Умело само определять версию ворда (97, 2000, ХР/2003) и очень круто работало…

Answer 2

[Кирилл Сиренко]

вот это www.artlebedev.ru/tools/technogrette/etc/reformator/ не смотрели? Мне Реформатор на ура помогал с такими вещами всегда.

Answer 3

[Виталий]

держите макрос для MSO 2003 (в 2007-2010 не проверял на работоспособность)
старенький, но рабочий.
www.businesssite.ru/content.php?id=5

Comments

[Виталий]

прошу прощения, не досмотрел что у вас уже в html. но если есть doc исходник, можно конвертнуть из него.

Answer 4

[4NATIC]

Для отдельных файлов, я раньше использовал вот этот сервис:
www.weare.ru/cgi-bin/clearhtml.cgi

Comments

[prox]

иногда вылетает Error 500 от nginx
необх дополнительные тесты

Answer 5

[Rodion Gashe]

jevix.ru/

Answer 6

[Алексей]

вот сервис, прекрасно работает www.sh14.ru/utils/avtomaticheskaya-ochistka-html-k...
принцип работы - удаляет весь мусор от ворда и все запрещенные атрибуты(а не теги, поэтому работает корректно с html 5)

Answer 7

[Magir]

Посмотреть как работает очистка в tinymce, переписать на PHP и обработать все данные.

Comments

[jcd]

Есть уже готовая библиотека Jevix, главное, белый список тегов и атрибутов задать перед фильтрацией:
code.google.com/p/jevix/

Answer 8

[maashaa]

Вот еще один сервис, чистит почти все атрибуты тэгов
www.dataved.ru/2013/08/ms-word-document-filter.html

Answer 9

[prox]

опробую и отпишусь

Answer 10

[elky]

Есть хорошее решение для Django, которое мы разработали и активно используем на своих сайтах, чтобы клиенты не «пачкали» сайт.

Answer 11

[Станислав Агарков]

странно что никто не додумался, но попробуй регулярные выражения