word可以另存为html文件，通过这个功能，可以快速实现网页展示word内容，特别是表格的编辑，它包含tr、td、th、rowspan、colspan等内容，直接写比较繁琐。
但word转换过来的html默认是带有很多格式代码，那么如何去除这些冗余代码，只保留主内容呢？
本来是打算从网上找工具的，但发现没有现成的，一般都是推荐用工具的文本替换来去除，这样不能复用。因此，本人采用nodejs写了一小段代码，来去除冗余代码。
主要思路是：
- nodejs读取html文件的文本内容
- 用substring函数获取table内容
- 用正则去除多余标签
- 用正则去除多余属性
- 用正则去除多余空格
var fs = require(‘fs‘)// 异步读取fs.readFile(‘static/detail/county-hhz.html‘, function (err, data) { ???if (err) { ???????return console.error(err); ???} ???// 步骤1：获取table内容 ???var content = data.toString(); ???content = content.substring(content.indexOf("<table"), content.indexOf("</table>") + 8); ???// 步骤2：去除多余的标签 ???[‘span‘, ‘p‘, ‘o‘, ‘font‘].forEach(item => { ???????content = content.replace(new RegExp(`<${item}(.*?)>(.*?)<\/${item}.*?>`, ‘gi‘), function(match, p1, p2) { ???????????return p2; ???????}); ???}) ???// 步骤3：去除多余的属性元素 ???content = content.replace(/style=".*?"/g, ""); // 去除style属性 ???content = content.replace(/(class|border|cellspacing|MsoNormalTable|valign|width|center| )(=\S*)?/g, ""); ???// 步骤4：去除多余空格 ???content = content.replace(/(\S+)(\s+)/g, function(match, p1, p2) { ???????return p1 + ‘ ‘; ???}) ???content = content.replace(/(\s)(>|<)/g, function(match, p1, p2) { ???????return p2; ???}) ???console.log(content); });word表格转html后去除冗余代码
原文地址：https://www.cnblogs.com/zhang90030/p/9591420.html