ruby-on-rails - 从 MS-Word 中清理粘贴的文本

Question

这是我狂野而古怪的伪代码。有人知道如何实现吗？

背景:

此动态内容来自 ckeditor。许多人将 Microsoft Word 内容粘贴到其中。不用担心，如果我只是调用属性不变，它会加载得很漂亮。但要注意的是，我希望它仅缩写为 125 个字符。当我向其中添加截断时，所有 Microsoft Word 脚本都会开始弹出。然后我添加了 simple_format、sanitize 和 truncate，甚至让我的 Controller 开始发现 MS 将生成的特定变量并将它们 gsub 出来。但是它们太多了，这似乎是一种非常困惑的实现方式。原来如此!自己意识到这一点，它很干净。我想，为什么不把它切成薄片呢。但是，Microsoft Word 文本变为空白但仍保留其在字符串中的编号位置。所以我想出了下面这个(可能很糟糕)的解决方案。

分为三个步骤。

1. 当文本被解析时，它不会显示任何 MSWord 垃圾。但是该文本在 slice 语句中仍然占据一个数字位置。所以我想使用正则表达式来查找第一个实际字符。
2. 取那个字符并找出它在整个字符串中的编号位置。

3. 使用 slice 语句将其剪切。

   def about_us_truncated
     x = self.about_us.find.first(regExp representing first actual character)
     x.charCount = y
     self.about_us[y..125]
   end
   

我得到的唯一其他想法是一个正则表达式语句，它允许它只显式切片实际字符，如下所示:

about_us([a-zA-Z][0..125]) ，但这绝对不是它的写法。

这里是 MS Word 垃圾的一些示例文本:

 ≪! [If Gte Mso 9]>≪Xml>≪Br /> ≪O:Office Document Settings>≪Br /> ≪O:Allow Png/>≪Br /> ≪/O:Off...

Answer 1

您没有提供太多有用的信息，但是在寻求帮助之前不要太谨慎尝试自己构建此正则表达式...

将您的示例文本粘贴到测试字符串区域的 Rubular 中，然后开始构建您的正则表达式。它在底部有一个很好的快速引用。