Ștergeți codul html din stiluri. Curățarea automată a codului HTML din „gunoi”. Formate acceptate pentru conversia online

O zi bună, dragi cititori! Sper că vă descurcați la fel de bine ca noi - soarele strălucește, păsările cântă, este cald și a venit vara! Încă lucrez la disertație, așa că în ultima lună și jumătate scriu doar o dată pe săptămână, fizic nu am timp. Dar să nu vorbim despre lucruri triste, să trecem la treabă!

Cândva, căutam pe internet să găsesc un script care să curețe codul HTML de gunoi, care, în special, ne lasă pe toți „iubiți” în acest sens, Microsoft Word. Anterior am folosit Curățarea codului folosind Adobe Dreamweaver dar avea doua dezavantaje:

Uneori nu curăță tot ce ne-am dori.

Dacă există o cantitate foarte mare de cod, scriptul de curățare afișează o eroare.

Al doilea punct a devenit critic pentru mine, din moment ce a trebuit să lucrez cu tabele html mari, de la care era imposibil să mă îndepărtez de un site și au furnizat toate informațiile în Word.

Astfel, după ce m-am plimbat îndelung pe Internet, am găsit un script care face față cu brio la toată această gestiune și, în același timp, este complet personalizabil.

Excel/Word to HTML este un instrument ideal pentru editarea codului sursă al articolelor WordPress sau al oricărui alt sistem de gestionare a conținutului atunci când compozitorul lor încorporat nu oferă toate funcțiile de care avem nevoie. Compuneți conținut direct în fereastra browserului fără a instala o extensie sau un plugin pentru a gestiona evidențierea sintaxei și alte funcții de editare a textului.

Cum se utilizează?

Lipiți documentul pe care doriți să îl convertiți în editorul Word, apoi accesați vizualizatorul HTML folosind filele mari din partea de sus a paginii pentru a genera codul.

Curățați marcajul murdar cu un buton mare care execută opțiunile active (bifate) dintr-o listă. De asemenea, puteți aplica aceste funcții una câte una folosind pictograma CLEAN.

Probleme de conversie care sunt ușor de rezolvat prin convertorul nostru HTML online

Problema conversiei cuvântului în html a existat probabil întotdeauna împreună cu Microsoft Word. Un număr mare de stiluri atribuite textelor, cum ar fi mso-spacerun:yes, și clase, cum ar fi MsoNormal, precum și o aglomerație de tot felul de span style="font-size:10.0pt" aglomera foarte mult codul. Și adesea întrerup stilurile native specificate în site. Dacă încă puteți gestiona text simplu inserând text prin butonul „Inserați doar text” al editorului, atunci această metodă nu va funcționa cu tabelele. Convertorul nostru poate curăța cu ușurință orice comentarii și stiluri inutile din viitorul fișier html, făcând simplu clic pe butoane.

• Eliminați orice stiluri inutile din tot textul sau dintr-un fragment selectat
• Eliminam codurile de indentare, simbolurile și alte coduri Unicode inutile
• Curăță codul de spații suplimentare și etichete duplicate
• Dacă este necesar, eliminați complet marcajul HTML.

Convertiți fișierele Word, Excel, TxT în cod sursă HTML curat. Fără stiluri și comentarii inutile pentru inserarea directă și corectă în paginile site-ului.

Formate acceptate pentru conversia online:

• 97–2004 și mai nou DOC în HTML, DOCX în HTML;
• XLS în HTML, XLSX în HTML;
• PPT în HTML, PPTX în HTML;
• TXT în HTML și multe alte formate.

O altă utilizare utilă a serviciului, în loc să petreceți ore întregi făcând un tabel în HTML, faceți-l în 15 minute în Excel sau Word și convertiți-l într-un cod HTML curat și frumos pentru inserarea în site.

Buna ziua!

Când scriam propriul meu editor WYSIWYG, am întâmpinat o problemă la copierea textului din Word. Există de fapt trei probleme:

• Word inserează o mulțime de cod html nedorit care trebuie curățat
• Din anumite motive, Word folosește paragrafe în loc de etichete UL și LI pentru a prezenta liste
• De fapt, cum să determinați că textul inserat este inserat din Word.

$('#editor'). msword_html_filter();
Pluginul este suspendat la un eveniment tastareși verifică dacă codul sursă din editor este lipit din Word, atunci funcția de curățare este lansată. În html-ul rezultat, se adaugă tot ceea ce este posibil - spații care nu se rup, atribute stilȘi alinia, Etichete span, Toate Mso-clase, paragrafe goale.

Detalii de implementare sub tăietură.

Majoritatea obișnuiților utilizați au fost preluați de la TinyMCE.

Cum să determinați dacă o linie conține cod html inserat din Word:

Dacă (/class="?Mso|style="[^"]*\bmso-|style="[^""]*\bmso-|w:WordDocument/i.test(conținut)) ( ... )

Funcția de curățare a codului (un obiect editor jquery este transmis funcției):

Funcția word_filter(editor)( var content = editor.html(); // Comentarii în cuvinte precum comentarii condiționate etc. content = content.replace(/<(!|script[^>]*>.*?<\/script(?=[>\s])|\/?(\?xml(:\w+)?|img|meta|link|style|\w:\w+)(?=[\s\/>]))[^>]* >>gi, ""); // Convert în <(\/?)s>/gi,"<$1strike> ___ ([\s\u00a0]*)<\/span>/gi, function(str, spatii) ( return (spaces.length > "; if (/^\s*\w+\./.test(txt))) (var potriviri = /()\./.exec(txt ); if (potriviri) ( var start = parseInt(potrivește, 10); list_tag = start>1 ? "" : ""; )else( list_tag = ""; ) ) if(cur_level> " + $(this).html() + "") $(this).remove(); last_level = cur_level; )else( last_level = 0; ) )) $("", editor).removeAttr("stil"); $("", editor).removeAttr( "align"); $("span", editor).replaceWith(function() (return $(this).contents();)); $("span:empty", editor). , editor).removeAttr("clasa"); $("p:gol", editor).remove();

Textul sursă complet al pluginului se află sub spoiler, salvați într-un fișier jquery.msword_html_filter.js

textul sursă al pluginului

(function($) ( $.fn.msword_html_filter = function(options)) (var settings = $.extend((), options); function word_filter(editor)( var content = editor.html(); // Comentarii de cuvinte precum comentarii condiționate etc conținut = content.replace(//gi, ""); // Eliminați comentariile, scripturile (de exemplu, msoShowComment), eticheta XML, conținutul VML, // etichetele cu spațiu de nume MS Office și alte câteva etichete content = content.replace(/<(!|script[^>]*>.*?<\/script(?=[>\s])|\/?(\?xml(:\w+)?|img|meta|link|style|\w:\w+)(?=[\s\/>]))[^>]* >>gi, ""); // Convert în pentru line-though content = content.replace(/<(\/?)s>/gi,"<$1strike>"); // Înlocuiește entitățile nbsp cu char, deoarece este mai ușor de gestionat //content = content.replace(/ /gi, "\u00a0"); continut = content.replace(/ /gi, " "); // Convert ___ la șir de spații alternante // întrerupte/nedespărțitoare de aceeași lungime conținut = content.replace(/ ([\s\u00a0]*)<\/span>/gi, function(str, spatii) ( return (spaces.length > 0) ? spaces.replace(/./, " ").slice(Math.floor(spaces.length/2)).split("") .join("\u00a0"): "" )); editor.html(conținut); // Analizați nivelul de indentare a listei pentru liste $("p", editor).each(function())( var str = $(this).attr("style"); var potriviri = /mso-list:\w+ \ w+(+)/.exec(str) if (potriviri) ( $(this).data("_listLevel", parseInt(match, 10)); ) ); // Parse Lists var last_level=0; var pnt = null; $("p", editor).each(function())( var cur_level = $(this).data("_listLevel"); if(cur_level != undefined)( var txt = $(this).text() ; var list_tag = ""; if (/^\s*\w+\./.test(txt)) (var potrivește = /()\./.exec(txt); if (potrivește) (var start = parseInt ( se potrivește, 10 list_tag = start>1 ? "" : "" ) = $(this). cur_level " + $(this).html() + "") $(this).remove(); last_level = cur_level; )else( last_level = 0; ) )) $("", editor).removeAttr("stil"); $("", editor).removeAttr( "align"); $("span", editor).replaceWith(function() (return $(this).contents();)); $("span:empty", editor). , editor).removeAttr("clasa"); $("p:vide", editor).remove(); var content = $(this).html(); if (/class="?Mso|style="[^"]*\bmso-|style="[^""]*\bmso-|w :WordDocument/ i.test(conținut)) ( filtru_cuvânt($(acest)); ) ));