使用OpenXml电动工具将Docx转换为html,无需格式化

时间:2016-01-15 22:20:34

标签: c# openxml openxml-sdk

我在项目中使用OpenXml Power工具将文档(docx)转换为html, 使用此sdk提供的代码,它以html格式生成一个优雅的副本。(Github链接:https://github.com/OfficeDev/Open-Xml-PowerTools/blob/vNext/OpenXmlPowerToolsExamples/HtmlConverter01/HtmlConverter01.cs

然而,看看html标记,html嵌入了样式。

有没有办法让它关闭并使用简单明了的<h1><p>标签?

我想知道这种嵌入式样式,因为格式化将由bootstrap处理。

嵌入式样式如下:

 <p dir="ltr" style="font-family: Calibri;font-size: 11pt;line-height: 115.0%;margin-bottom: 0;margin-left: 0;margin-right: 0;margin-top: 0;">
 <span xml:space="preserve" style="font-size: 11pt;font-style: normal;font-weight: normal;margin: 0;padding: 0;"> </span>
 </p>

如果您想要直接复制,可以看到这个很好,但如果您想自己控制样式则不行。

在C#代码中,我已经做了以下调整:

  • AdditionalCss已注释掉
  • FabricateCssClasses为false
  • CssClassPrefix已注释掉

非常感谢。

2 个答案:

答案 0 :(得分:1)

如果您还可以XmlReaderXmlWriter获取裸骨html。然而,这可能有点过分,因为只保留标签本身及其文本内容。

public static class HtmlHelper
{
    /// <summary>
    /// Keep only the openning and closing tag, and text content from the html
    /// </summary>
    public static string CleanUp(string html)
    {
        var output = new StringBuilder();
        using (var reader = XmlReader.Create(new StringReader(html)))
        {
            var settings = new XmlWriterSettings() { Indent = true, OmitXmlDeclaration = true };
            using (var writer = XmlWriter.Create(output, settings))
            {
                while (reader.Read())
                {
                    switch (reader.NodeType)
                    {
                        case XmlNodeType.Element:
                            writer.WriteStartElement(reader.Name);
                            break;
                        case XmlNodeType.Text:
                            writer.WriteString(reader.Value);
                            break;
                        case XmlNodeType.EndElement:
                            writer.WriteFullEndElement();
                            break;
                    }
                }
            }
        }

        return output.ToString();
    }
}

结果输出:

<p>
  <span></span>
</p>

答案 1 :(得分:0)

我已经通过Xiaoy312的提示解决了这个问题......

使用以下示例,在使用上面的示例时,生成的html字符串可以加载到html敏捷包中,就像这样......

HtmlDocument htmlDoc = new HtmlDocument();
htmlDoc.LoadHtml(htmlString);

然后寻找属性(样式和任何其他)删除它们。

var styles = htmlDoc.DocumentNode.SelectNodes("//@style");                    
if (styles != null)
{
foreach (var item in styles)
{
item.Attributes["style"].Remove();
}
}

然后保存文件。

var fileName = Path.Combine(outputDirectory,"index.html");
htmlDoc.Save(new FileStream(fileName,FileMode.Create,FileAccess.ReadWrite));

还有其他方法可以做到这一点,但似乎是可以接受的工作。

修改

在对这里发布的两个答案进行了一些实验后,我发现这个实现效果最好,因为它没有图像问题。

 var body = htmlDoc.DocumentNode.SelectSingleNode("//body");
 var tags = body.SelectNodes("//*");
 if (tags != null)
 {
  foreach (var tag in tags){
      if (!tag.OuterHtml.Contains("img"))
      {
       tag.Attributes.RemoveAll();
      }
    }
  }

理论上你也可以将它用于表格,但是根据你想要的样式,你总是可以去掉电动工具生成的属性,并用你自己的属性替换属性。