Clean up word html

Du må lige forklarelidt nærmere, hvad sådan et program skal kunne, for os der ikke har DW!

Okey, hvis du gemmer et word dokument som html, så kommer der MEGET lort... kode med.

Disse filer kan man i DW få renset sådan at det er noget mere ren HTML kode.

Altså, rens HTML\'en for MS word HTML kode. Jeg søger noget som kan gøre det igennem en browser.

Nårh... Det kræver lidt ekstra research fra min side, og jeg har ikke lyst til at rode mig ud i sådan noget før jul. Men jeg vender måske tilbage!

Det kan gøres (som dreamweaver har vist) men det er et mas.

Arbejdsgangen skulle være at browseren henter wordfilen ind i en ramme, arbejder på den og viser en \'renere\' version i en anden ramme, som man så kan gemme (Javascript kan ikke selv skrive filer, du skal gemme den ny version via browserens menuer).

første kandidat til rensning er nok det enorme stylesheet Word laver for så kun at bruge een eller to af de mange definerede klassenavne. De style definitioner der ikke bruges i dokumentet kan man roligt slette.
pseudokode:
  for hvert klassenavn gør {
      led efter: \'klassenavn\' eller \"klassenavn\" eller =klassenavn ;
      hvis ikke fundet så slet definitionen
  }

næste bliver at fjerne alle de steder word laver <form kommandoer med ingenting eller blot et blanktegn i. Det kan gøres rimeligt nemt med en regular expression.

og så er der den næste og den næste og den næste, det bliver en hel masse små skridt der skal programmeres hver for sig. De 2 jeg nævner vil nok fjerne halvdelen af dit dokument.

mvh JakobA