去掉Word转HTML后多余的代码

　　最近想把一些下载到的Word或者PDF文档放置到以前的MediaWiki网站中去，格式转换有些麻烦，网上可以找到一些工具，但似乎都不是很适合我来用。

　　Word文档可以另存HTML文件（使用过滤的HTML格式可以去掉图片等附加文件），但打开HTML查看源文件会发现大量字体css代码需要清理。

　　我想尝试搞个PHP小程序来进行过滤，如下：

　　另外一种现成的工具Microsoft Office Word Add-in For MediaWiki请看补充留言。