求去除word格式的正则表达式

jenny0810 2010-01-19 11:42:12

大家好：
我现在有个需求就是关于内容页去除word格式，
现在情况是内容页（包含word格式）存在数据库中，我现在想将word格式去掉如下：

一．项目需求说明：<?xml:namespace prefix = o ns = "urn:schemas-microsoft-com:office:office" /><o:p></o:p>
<P class=a style="MARGIN: 6pt 0cm; TEXT-INDENT: 21pt; LINE-HEIGHT: 150%; mso-para-margin-top: .5gd; mso-para-margin-right: 0cm; mso-para-margin-bottom: .5gd; mso-para-margin-left: 0cm; mso-char-indent-count: 2.0">本软件系统主要应用于市南区政府以及广大的人民群众，方便公众可以随时随地查看政策法规、审批事项等最新服务信息，更有效地缩短政府与民众间的距离。<o:p></o:p>
二．技术需求说明：<o:p></o:p>
2.1综合性能<o:p></o:p>
1)要实现<SPAN style="COLOR: black; LINE-HEIGHT: 150%; FONT-FAMILY: 宋体; mso-bidi-font-weight: bold; mso-bidi-font-size: 10.5pt; mso-ascii-font-family: 'verdana,ˎ̥'; mso-hansi-font-family: 'verdana,ˎ̥'; mso-bidi-font-family: Arial">用户随时随地查看最新信息。<o:p></o:p>
2)要实现手机和电脑同时访问。<o:p></o:p>
3)要实现快速查询的功能，只要输入相关主题的关键字就能十分轻松方便地找到您想要的信息。

...全文

556 13 打赏收藏转发到动态举报

写回复

用AI写文章

13 条回复

切换为时间正序

请发表友善的回复…

发表回复

sohighthesky 2010-01-19

打赏
举报

[Quote=引用 5 楼 wiki14 的回复:]
好中意楼主的头像啊~

[/Quote]

-过客- 2010-01-19

打赏
举报

try...

Regex reg = new Regex("<[^>]*>");

string result = reg.Replace(yourStr, "");

wiki14 2010-01-19

打赏
举报

好中意楼主的头像啊~

wiki14 2010-01-19

打赏
举报

一般文本输出就行了。

http://hi.baidu.com/apxsoft/blog/item/3077dc11fdc461c3a7ef3fbf.html

http://hi.baidu.com/apxsoft/blog/item/2e479064db646ff5f73654bf.html

研究研究。

髙興~ 2010-01-19

打赏
举报

不怎么会
自己研究研究吧

http://deerchao.net/tutorials/regex/regex.htm

lovexilove 2010-01-19

打赏
举报

正则一直不会 up

jenny0810 2010-01-19

打赏
举报

替换成如下结果：

 一．项目需求说明：
 本软件系统主要应用于市南区政府以及广大的人民群众，方便公众可以随时随地查看政策法规、审批事项等最新服务信息，更有效地缩短政府与民众间的距离。
 二．技术需求说明：
 2.1综合性能
 1)要实现用户随时随地查看最新信息。
 2)要实现手机和电脑同时访问。
 3)要实现快速查询的功能，只要输入相关主题的关键字就能十分轻松方便地找到您想要的信息。

如果有table标签则保留table的样式。

谢谢大家

winner2050 2010-01-19

打赏
举报

        /// <summary>

        /// 清理Word生成的冗余HTML 

        /// </summary>

        /// <param name="html"></param>

        /// <returns></returns>

        public static string 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|!\[)[^>]*?>");

            sc.Add(@"<(meta|link|/?o:|/?style|/?font|/?strong|/?st\d|/?head|/?html|body|/?body|/?span|!\[)[^>]*?>");

            // Get rid of empty paragraph tags

            sc.Add(@"(<[^>]+>)+ (</\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;

        }

十八道胡同 2010-01-19

打赏
举报

</table>呢？



Regex reg = new Regex("(?i)<(?!/?table\b)[^>]*>");

string result = reg.Replace(yourStr, "");

-过客- 2010-01-19

打赏
举报

[Quote=引用 10 楼 jenny0810 的回复:]
我想不替换table标签
[/Quote]

一次把需求说清楚，别再弄出几个标签来。。。

Regex reg = new Regex("(?i)<(?!table\b)[^>]*>");

string result = reg.Replace(yourStr, "");

jenny0810 2010-01-19

打赏
举报

[Quote=引用 6 楼 lxcnn 的回复:]
try...

C# codeRegex reg=new Regex("<[^>]*>");string result= reg.Replace(yourStr,"");
[/Quote]我想不替换table标签

jenny0810 2010-01-19

打赏
举报

[Quote=引用 4 楼 wiki14 的回复:]
一般文本输出就行了。

http://hi.baidu.com/apxsoft/blog/item/3077dc11fdc461c3a7ef3fbf.html

http://hi.baidu.com/apxsoft/blog/item/2e479064db646ff5f73654bf.html

研究研究。
[/Quote]恩我看看谢谢

jenny0810 2010-01-19