去掉Word转HTML后多余的代码

由 James Qi, 2013年11月10日

　　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：

<?php /* * input的html内容简化到output1，然后转成mediawiki格式的output2 * James Qi 2013-11-10 */ if (isset($_POST['input']) ) { $input=$_POST['input']; } else { $input='

Afghanistan (country code +93)

First digit of area code

'; } $array_input=explode("\n",$input); $output1=''; foreach ($array_input as $key=>$text_input) { //$output1.= "$key=>$text_input\n"; if (strpos($text_input,'/s","",$output1); $output1=str_replace("","",$output1); $output1=preg_replace("/ class=(.+?)>/s",">",$output1); $output1=preg_replace("/ class=(.+?)\s/s"," ",$output1); $output1=preg_replace("/ style='(.+?)'/s","",$output1); $output1=preg_replace("/ width=(\d+?)>/s",">",$output1); $output1=preg_replace("/ width=(\d+?)\s/s"," ",$output1); $output1=preg_replace("//s"," ",$output1); $output1=str_replace('','',$output1); $output1=str_replace('','',$output1); $output1=str_replace('','',$output1); $output1=str_replace('','

',$output1); $output1=str_replace('','',$output1); $output1=str_replace('','',$output1); $output1=str_replace(' ',' ',$output1); $output1=str_replace(' ',' ',$output1); $output1=str_replace(' ',' ',$output1); $output1=str_replace("\n ","\n",$output1); $output1=str_replace("\n ","\n",$output1); $outpu1=trim($output1); $output2=$output1; $output2=str_replace("

","",$output2); $output2=str_replace("

","===",$output2); $output2=str_replace("

","{|",$output2); $output2=str_replace("

","|}",$output2); $output2=str_replace("","|-",$output2); $output2=str_replace("","",$output2); $output2=str_replace("","|",$output2); $output2=str_replace("","",$output2); $output2=str_replace("

","",$output2); $output2=str_replace("

","====",$output2); $output2=str_replace("

","====",$output2); $output2=str_replace(""," valign=top|",$output2); $output2=str_replace("","{| border=1",$output2); $output2=str_replace("","|- height=0|",$output2); $output2=str_replace("

",'',$output2); $output2=str_replace("=2>",'=2|',$output2); $output2=str_replace("=3>",'=3|',$output2); $output2=str_replace("=4>",'=4|',$output2); $output2=str_replace("=5>",'=5|',$output2); $output2=str_replace("=6>",'=6|',$output2); $output2=str_replace("=7>",'=7|',$output2); $output2=str_replace("=8>",'=8|',$output2); $output2=str_replace("\n ","\n",$output2); $output2=trim($output2); $self='//'.$_SERVER['SERVER_NAME'].$_SERVER['REQUEST_URI']; $n="
\n"; $output= "

输出框1

$output1

输出简化HTML代码

按ctrl-a全选，按ctrl-c复制

输出框2

$output2

输出MediaWiki代码

按ctrl-a全选，按ctrl-c复制

"; print $output; ?>

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

自由标签

Word