Как почистить код созданный Word'м?

[solmir22]

Может кто сталкивался или знает софтину полезную.
Сохраняю страничку в MS Word с типом html, ворд конечно же пихает в код очень много лишнего кода, от которого хотелось бы избавиться.
Задачка вот такая:
Нужно вот это

<td width=94 nowrap style='width:70.55pt;border:solid windowtext 1.0pt;background:#CCFFFF;padding:0cm 5.4pt 0cm5.4pt;height:25.5pt'>

заменить на это

<td>

Причем, то что нужно заменить, находится в тысячах подобных тегов и атрибуты всегда разные(т.е. тупо автозаменой не почистишь).

[badimao]

в дримвивере есть такая опция clear code вроде ничто так работает

[WebFX]

Сообщение от solmir22

тупо автозаменой не почистишь

надо верстать или в дриме или в блокноте.

[solmir22]

Сообщение от badimao

в дримвивере есть такая опция clear code вроде ничто так работает

Попробую. Спасибо.

По ssh решение есть, но неохота заливать каждый файл на ftp.

cat xxxx.html | iconv -f cp1251 | tr -d '\r' | sed -rn '1h;1!H;${;g;s/<td[^>]*>/<td>/ig;p;}' > xxxx1.htm

Добавлено через 3 минуты

Сообщение от WebFX

надо верстать или в дриме или в блокноте.

При чем тут верстка? Надо очень много прайсов с картинками вставить в cms, но при этом реализовать нормальную кроссбраузерность.

[DiAksID]

Сообщение от solmir22

При чем тут верстка? Надо очень много прайсов с картинками вставить в cms, но при этом реализовать нормальную кроссбраузерность.

код html-ный скопипастили и мучаетесь теперь? бывает... тогда действительно - вёрстка не при чём

а серьёзно - сохранять Word-овский текст в html и есть "типа вёрстка". только для ооочень ленивых экстрималов...

[Vladek]

Не стоит пользоваться Вордом для этого. Гораздо лучше экспортирует в html, OpenOffice (http://ru.openoffice.org/)

[solmir22]

Сообщение от DiAksID

код html-ный скопипастили и мучаетесь теперь? бывает... тогда действительно - вёрстка не при чём

а серьёзно - сохранять Word-овский текст в html и есть "типа вёрстка". только для ооочень ленивых экстрималов...

Да не. Сайт друзьям делаю и хочу шоб усе было кул.
Но когда увидел это количество прайсов... начал искать более простые пути решения.

[badimao]

регулярки рулят

[ubuntu]

Можно к CMS прикрутить визуальный редактор CKEditor - _http://ckeditor.com ,
в нем есть опция фильтрации определения гарнитур и определения стилей.
Я его прикручиваю, если заказчикам необходимо много документов из ворда выкладывать на сайт.

Добавлено через 2 минуты
Вот демонстрашка
_http://ckeditor.com/demo
там вверху есть кнопочка - "Вставить из Word"

[Alexey]

В деле чистки есть очень важные факторы.

Первый и важнейший - сам Word документ. Он должен быть хорошо размечен. Заголовки должны идти стилями "Заголовок 1", "Заголовок 2" и т.д., а не просто "жирным по центру". Это крайне важно, ибо ни одна утилита по вашему форматированию не сможет догадаться что вы имели в виду.

Кроме того, часто встречаются документы у которых вместо маркеров списка картинка или списки оформлены просто строками, начинающимися с дефиса, документы где нет нормальной разбивки на абзацы и т.д.

В общем, документ Word должен быть грамотно сверстан (я понимаю, что "верстка Word" - достаточно абсурдная вещь, но она должна быть).

Во-вторых, требования к самому чистильщику. Дело в том, что ворд грешит кучей тегов, вставляемых где надо и где не надо. И тут трудно придумать универсальное решение.

Кому-то надо игнорировать рисунки, кому-то наоборот. Где-то надо стереть все стили, где-то не надо. Мне лично лучше если удалено будет абсолютно все, включая жирный и курсив, ибо его проще потом руками поставить чем разгрeбать ту срань, что остается после ворда.

Современные утилиты обладают некоторой степенью настраиваемости, однако, по опыту скажу - после дримвавера все равно надо просматривать и исправлять код. Дримвавер оставляет конструкции вида <b>Я ид</b><b>у по ули</b><b>це</b><em></em> (по крайней мере дримвавер CS3. CS4 не пробовал).

Смиритесь с тем, что не будет утилиты "раз и готово". Но полу-автоматизировать процесс можно. Если документ сверстан хорошо, то дримвавер даст неплохой выход.