Mam dość duży dokument w formacie HTML wygenerowany z Microsoft Word. Jest taki baaaardzo brudny i pełen rozdętych rzeczy (jak niezalogowany tag, nieznajoma przestrzeń nazw itp. I inne nadęte rzeczy).jak wyczyścić dokument HTML w formacie Microsoft?
czy istnieje sposób na konwersję do zwykłego sytaxa html?
Wypróbuj HTML Tidy. Słyszałem, że działa całkiem dobrze na HTML generowany przez MS Word (zdecydowanie przynajmniej do Word 2000, ale prawdopodobnie także w nowszych wersjach).
To naprawdę nie jest pytanie programistyczne, ale (przynajmniej najnowsze wersje) Word można zapisać na "Stronie internetowej, filtrowane", która usuwa znaczniki i właściwości specyficzne dla pakietu Office i pozostawia tylko tagi niezbędne do dokumentu być renderowane w przeglądarce internetowej. Tak więc, jeśli masz program Word, możesz spróbować użyć go do otwarcia dokumentu HTML i zapisania go w tym formacie.
Prawdopodobnie szukasz HTML Tidy, która ma adaptery w prawie każdym języku. Posiada opcje czyszczenia wyjściowego kodu HTML programu Microsoft Word (i wielu innych funkcji).
spróbuj Cleanup HTML narzędzie on-line do czyszczenia słowa HTML