Question

我在项目中使用OpenXml Power工具将文档（docx）转换为html，使用此sdk提供的代码，它以html格式生成一个优雅的副本。（Github链接：https://github.com/OfficeDev/Open-Xml-PowerTools/blob/vNext/OpenXmlPowerToolsExamples/HtmlConverter01/HtmlConverter01.cs）

然而，看看html标记，html嵌入了样式。

有没有办法让它关闭并使用简单明了的<h1>和<p>标签？

我想知道这种嵌入式样式，因为格式化将由bootstrap处理。

嵌入式样式如下：

 <p dir="ltr" style="font-family: Calibri;font-size: 11pt;line-height: 115.0%;margin-bottom: 0;margin-left: 0;margin-right: 0;margin-top: 0;">
 <span xml:space="preserve" style="font-size: 11pt;font-style: normal;font-weight: normal;margin: 0;padding: 0;"> </span>
 </p>

如果您想要直接复制，可以看到这个很好，但如果您想自己控制样式则不行。

在C＃代码中，我已经做了以下调整：

AdditionalCss已注释掉
FabricateCssClasses为false
CssClassPrefix已注释掉

非常感谢。

Answer 1

如果您还可以XmlReader和XmlWriter获取裸骨html。然而，这可能有点过分，因为只保留标签本身及其文本内容。

public static class HtmlHelper
{
    /// <summary>
    /// Keep only the openning and closing tag, and text content from the html
    /// </summary>
    public static string CleanUp(string html)
    {
        var output = new StringBuilder();
        using (var reader = XmlReader.Create(new StringReader(html)))
        {
            var settings = new XmlWriterSettings() { Indent = true, OmitXmlDeclaration = true };
            using (var writer = XmlWriter.Create(output, settings))
            {
                while (reader.Read())
                {
                    switch (reader.NodeType)
                    {
                        case XmlNodeType.Element:
                            writer.WriteStartElement(reader.Name);
                            break;
                        case XmlNodeType.Text:
                            writer.WriteString(reader.Value);
                            break;
                        case XmlNodeType.EndElement:
                            writer.WriteFullEndElement();
                            break;
                    }
                }
            }
        }

        return output.ToString();
    }
}

结果输出：

<p>
  <span></span>
</p>

Answer 2

我已经通过Xiaoy312的提示解决了这个问题......

使用以下示例，在使用上面的示例时，生成的html字符串可以加载到html敏捷包中，就像这样......

HtmlDocument htmlDoc = new HtmlDocument();
htmlDoc.LoadHtml(htmlString);

然后寻找属性（样式和任何其他）删除它们。

var styles = htmlDoc.DocumentNode.SelectNodes("//@style");                    
if (styles != null)
{
foreach (var item in styles)
{
item.Attributes["style"].Remove();
}
}

然后保存文件。

var fileName = Path.Combine(outputDirectory,"index.html");
htmlDoc.Save(new FileStream(fileName,FileMode.Create,FileAccess.ReadWrite));

还有其他方法可以做到这一点，但似乎是可以接受的工作。

修改

在对这里发布的两个答案进行了一些实验后，我发现这个实现效果最好，因为它没有图像问题。

var body = htmlDoc.DocumentNode.SelectSingleNode("//body"); var tags = body.SelectNodes("//*"); if (tags != null) { foreach (var tag in tags){ if (!tag.OuterHtml.Contains("img")) { tag.Attributes.RemoveAll(); } } }

理论上你也可以将它用于表格，但是根据你想要的样式，你总是可以去掉电动工具生成的属性，并用你自己的属性替换属性。

使用OpenXml电动工具将Docx转换为html，无需格式化

2 个答案: