php - 从 Word 文档中清除 HTML

Question

好的，我的公司有一个客户端，它有一个用于发布内容的界面 - 标准 MySQL 数据库、基于 PHP 的数据库等。

无论如何，他们不断地让实习生或某人直接从 MS Word 文档将内容发布到此界面 - 该界面编码很差，并且按原样接受此输入，没有任何格式。

我的公司现在已被外包来解决这个特定问题，因为它不断破坏他们的网站，并且我的公司多次不得不手动进入数据库，并删除有问题的值。

是否有一种快速且简单的方法可以做到这一点，或者我是否必须对每个有问题的字符进行替换操作？

我发现 htmlentities() 可能是部分解决方案 - 但据我所知，这不会删除所有内容。

有什么好的办法可以解决这个问题吗？有什么办法可以让这件事变得更容易吗？

我们也在考虑编写一个内容验证器，可能只是服务器端(尽管可能是客户端，如果我这一周过得足够慢/我足够快地完成剩下的部分)。

Answer 1

这取决于您支持的客户(或潜在客户)数量以及您需要投入多少时间。选项

• 编写您自己的函数来删除元数据

• 教您的客户自行删除它，例如先粘贴到记事本中，
  或者提供知识库文章来解释如何在软件中执行此操作。也许他们可以点击“帮助”部分或图标。http://support.microsoft.com/default.aspx?scid=kb;en-us;223396

• 使用所见即所得编辑器(例如 TinyMCE)来删除它

但是正如我在评论中所说，除非你使用的是自己的函数，否则请做好让客户继续直接粘贴并想知道为什么会出现问题的准备。