PHP怎么样去掉从word直接粘贴过来的没有用的格式

cike0415

通常我们会遇到直接把word内的内容，直接粘贴到文本编辑器中。这时候会出现在文本编辑器中有一些word内的没用的标签内容。一般处理的方式有二种：1.通过编辑器的JS直接去除。2.提交到后台后，直接用程序去掉无效标签。下面我就分享一个通过PHP的处理方式，成功率可能不是100%。这程序也是在PHP官网上看到的，就顺便粘贴过来了。
　　
　　



1 function ClearHtml($content,$allowtags='') {
2            
3             mb_regex_encoding('UTF-8');
4             //replace MS special characters first
5             $search = array('/‘/u', '/’/u', '/“/u', '/”/u', '/—/u');
6             $replace = array('\'', '\'', '"', '"', '-');
7             $content = preg_replace($search, $replace, $content);
8             //make sure _all_ html entities are converted to the plain ascii equivalents - it appears
9             //in some MS headers, some html entities are encoded and some aren't
10             $content = html_entity_decode($content, ENT_QUOTES, 'UTF-8');
11             //try to strip out any C style comments first, since these, embedded in html comments, seem to
12             //prevent strip_tags from removing html comments (MS Word introduced combination)
13             if(mb_stripos($content, '/*') !== FALSE){
14                 $content = mb_eregi_replace('#/\*.*?\*/#s', '', $content, 'm');
15             }
16             //introduce a space into any arithmetic expressions that could be caught by strip_tags so that they won't be
17             //'<1' becomes '< 1'(note: somewhat application specific)
18             $content = preg_replace(array('/<([0-9]+)/'), array('< $1'), $content);
19            
20             $content = strip_tags($content, $allowtags);
21             //eliminate extraneous whitespace from start and end of line, or anywhere there are two or more spaces, convert it to one
22             $content = preg_replace(array('/^\s\s+/', '/\s\s+$/', '/\s\s+/u'), array('', '', ' '), $content);
23             //strip out inline css and simplify style tags
24             $search = array('#<(strong|b)[^>]*>(.*?)</(strong|b)>#isu', '#<(em|i)[^>]*>(.*?)</(em|i)>#isu', '#<u[^>]*>(.*?)</u>#isu');
25             $replace = array('<b>$2</b>', '<i>$2</i>', '<u>$1</u>');
26             $content = preg_replace($search, $replace, $content);
27            
28             //on some of the ?newer MS Word exports, where you get conditionals of the form 'if gte mso 9', etc., it appears
29             //that whatever is in one of the html comments prevents strip_tags from eradicating the html comment that contains
30             //some MS Style Definitions - this last bit gets rid of any leftover comments */
31             $num_matches = preg_match_all("/\<!--/u", $content, $matches);
32             if($num_matches){
33                 $content = preg_replace('/\<!--(.)*--\>/isu', '', $content);
34             }
35             return $content;
36 }
　　测试使用结果：



<?php
$content = ' <!--[if gte mso 9]><xml><w:WordDocument><w:BrowserLevel>MicrosoftInternetExplorer4</w:BrowserLevel><w:DisplayHorizontalDrawingGridEvery>0</w:DisplayHorizontalDrawingGridEvery><w:DisplayVerticalDrawingGridEvery>2</w:DisplayVerticalDrawingGridEvery><w:DocumentKind>DocumentNotSpecified</w:DocumentKind><w:DrawingGridVerticalSpacing>7.8</w:DrawingGridVerticalSpacing><w:View>Normal</w:View><w:Compatibility></w:Compatibility><w:Zoom>0</w:Zoom></w:WordDocument></xml><![endif]-->
<p class="p0"><spanyes"; font-size: 12.0000pt; font-family: "宋体";">《优伴户外旅行》——让旅行成为习惯！</span></p>越发忙碌的你，是否想给自己放个假？专注工作的你，是否还记得上一次锻炼是什么时候？优伴户外旅行，给你不一样的旅行体验：给心自由，便处处都是风景！</span></p>';
echo ClearHtml($content,'<p>');
/*
得到的结果：
<p  >《优伴户外旅行》--让旅行成为习惯！</p>越发忙碌的你，是否想给自己放个假？专注工作的你，是否还记得上一次锻炼是什么时候？优伴户外旅行，给你不一样的旅行体验：给心自由，便处处都是风景！</p>
*/
?>