Question

我安装了fckeditor，当从MS Word粘贴时，它添加了许多不必要的格式。我想保留一些像粗体，斜体，公牛等等的东西。我已经在网上搜索并提出了一些解决方案，即使是我希望保留的大胆和斜体，也能解决所有问题。有没有办法去掉不必要的单词格式？

Answer 1

以防万一有人想要一个接受答案的c＃版本：

public string CleanHtml(string html)
    {
        //Cleans all manner of evils from the rich text editors in IE, Firefox, Word, and Excel
        // Only returns acceptable HTML, and converts line breaks to <br />
        // Acceptable HTML includes HTML-encoded entities.

        html = html.Replace("&" + "nbsp;", " ").Trim(); //concat here due to SO formatting
        // Does this have HTML tags?

        if (html.IndexOf("<") >= 0)
        {
            // Make all tags lowercase
            html = Regex.Replace(html, "<[^>]+>", delegate(Match m){
                return m.ToString().ToLower();
            });
            // Filter out anything except allowed tags
            // Problem: this strips attributes, including href from a
            // http://stackoverflow.com/questions/307013/how-do-i-filter-all-html-tags-except-a-certain-whitelist
            string AcceptableTags = "i|b|u|sup|sub|ol|ul|li|br|h2|h3|h4|h5|span|div|p|a|img|blockquote";
            string WhiteListPattern = "</?(?(?=" + AcceptableTags + @")notag|[a-zA-Z0-9]+)(?:\s[a-zA-Z0-9\-]+=?(?:([""']?).*?\1?)?)*\s*/?>";
            html = Regex.Replace(html, WhiteListPattern, "", RegexOptions.Compiled);
            // Make all BR/br tags look the same, and trim them of whitespace before/after
            html = Regex.Replace(html, @"\s*<br[^>]*>\s*", "<br />", RegexOptions.Compiled);
        }


         // No CRs
         html = html.Replace("\r", "");
         // Convert remaining LFs to line breaks
         html = html.Replace("\n", "<br />");
         // Trim BRs at the end of any string, and spaces on either side
         return Regex.Replace(html, "(<br />)+$", "", RegexOptions.Compiled).Trim();
    }

Answer 2

这是我用来从富文本编辑器中擦除传入HTML的解决方案...它是用VB.NET编写的，我没有时间转换为C＃，但它非常简单：

 Public Shared Function CleanHtml(ByVal html As String) As String
     '' Cleans all manner of evils from the rich text editors in IE, Firefox, Word, and Excel
     '' Only returns acceptable HTML, and converts line breaks to <br />
     '' Acceptable HTML includes HTML-encoded entities.
     html = html.Replace("&" & "nbsp;", " ").Trim() ' concat here due to SO formatting
     '' Does this have HTML tags?
     If html.IndexOf("<") >= 0 Then
         '' Make all tags lowercase
         html = RegEx.Replace(html, "<[^>]+>", AddressOf LowerTag)
         '' Filter out anything except allowed tags
         '' Problem: this strips attributes, including href from a
         '' http://stackoverflow.com/questions/307013/how-do-i-filter-all-html-tags-except-a-certain-whitelist
         Dim AcceptableTags      As String   = "i|b|u|sup|sub|ol|ul|li|br|h2|h3|h4|h5|span|div|p|a|img|blockquote"
         Dim WhiteListPattern    As String   = "</?(?(?=" & AcceptableTags & ")notag|[a-zA-Z0-9]+)(?:\s[a-zA-Z0-9\-]+=?(?:([""']?).*?\1?)?)*\s*/?>"
         html = Regex.Replace(html, WhiteListPattern, "", RegExOptions.Compiled)
         '' Make all BR/br tags look the same, and trim them of whitespace before/after
         html = RegEx.Replace(html, "\s*<br[^>]*>\s*", "<br />", RegExOptions.Compiled)
     End If
     '' No CRs
     html = html.Replace(controlChars.CR, "")
     '' Convert remaining LFs to line breaks
     html = html.Replace(controlChars.LF, "<br />")
     '' Trim BRs at the end of any string, and spaces on either side
     Return RegEx.Replace(html, "(<br />)+$", "", RegExOptions.Compiled).Trim()
 End Function

 Public Shared Function LowerTag(m As Match) As String
   Return m.ToString().ToLower()
 End Function

在您的情况下，您需要修改“AcceptableTags”中“已批准”的HTML标记列表 - 代码仍将删除所有无用的属性（不幸的是，有用的属性如HREF和SRC，希望如此那些对你来说并不重要。）

当然，这需要去服务器。如果你不想这样，你需要在工具栏中添加某种“清理”按钮，调用JavaScript来搞乱编辑器的当前文本。不幸的是，“粘贴”不是一个可以被自动清理标记的事件，并且每次OnChange之后的清理会使一个不可用的编辑器（因为更改标记会改变文本光标位置）。

Answer 3

尝试了已接受的解决方案，但它没有清除生成标签这个词。

但this code为我工作

静态字符串CleanWordHtml（string html）{

StringCollection sc = new StringCollection();
// get rid of unnecessary tag spans (comments and title)
sc.Add(@"<!--(\w|\W)+?-->");
sc.Add(@"<title>(\w|\W)+?</title>");
// Get rid of classes and styles
sc.Add(@"\s?class=\w+");
sc.Add(@"\s+style='[^']+'");
// Get rid of unnecessary tags
sc.Add(
@"<(meta|link|/?o:|/?style|/?div|/?st\d|/?head|/?html|body|/?body|/?span|!\[)[^>]*?>");
// Get rid of empty paragraph tags
sc.Add(@"(<[^>]+>)+&nbsp;(</\w+>)+");
// remove bizarre v: element attached to <img> tag
sc.Add(@"\s+v:\w+=""[^""]+""");
// remove extra lines
sc.Add(@"(\n\r){2,}");
foreach (string s in sc)
{
    html = Regex.Replace(html, s, "", RegexOptions.IgnoreCase);
}
return html; 
}

Answer 4

我非常了解这个问题。当复制出MS-Word（或任何文字处理或富文本编辑识别文本区域）然后粘贴到FCKEditor（TinyMCE发生同样的问题）时，原始标记包含在剪贴板中的内容中并被处理。这个标记并不总是与它粘贴在粘贴操作目标中的标记互补。

除了成为FCKEditor的贡献者并研究代码并进行修改之外，我不知道解决方案。我通常做的是指示用户执行两阶段剪贴板操作。

从MS-Word复制
粘贴到记事本
全选
从记事本复制
粘贴到FCKEDitor

Answer 5

但是，正如名称和网站建议的那样，fckeditor是一个文本编辑器。对我来说，这意味着它只显示文件中的字符。

如果没有额外的字符，则不能使用粗体和斜体格式。

编辑：啊，我明白了。仔细观察Fckeditor网站，它是一个HTML编辑器，而不是我习惯的简单文本编辑器之一。

将Paste from Word cleanup with autodetection列为功能。

Answer 6

对于我的解决方案，我最后结合使用CleanHtml函数的C＃版本和清除MS Office标签的部分。本质上是Glenn's进程的基于代码的版本。我会看到将其推到巨大的Excel电子表格时会发生什么情况。

有没有办法从FCKEditor中删除所有不必要的MS Word格式

6 个答案: