使用JavaScript清除Microsoft Word粘贴文本
Posted
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了使用JavaScript清除Microsoft Word粘贴文本相关的知识，希望对你有一定的参考价值。
我正在使用'contenteditable'<div/>并启用PASTE。
令人惊讶的是从Microsoft Word的剪贴板副本粘贴的标记代码量。我正在与此作斗争，并且已经使用Prototypes的stripTags()函数（不幸的是似乎不能让我保留一些标签）获得大约1/2的方式。
然而，即使在那之后，我最终还是会抽出大量不必要的标记代码。
所以我的问题是，是否有一些功能（使用javascript），或者我可以使用哪种方法来清理大部分不需要的标记？
这是我写完的功能，它完成了相当好的工作（据我所知，无论如何）。
如果有人有，我当然愿意接受改进建议。谢谢。
function cleanWordPaste( in_word_text ) {
var tmp = document.createElement("DIV");
tmp.innerhtml = in_word_text;
var newString = tmp.textContent||tmp.innerText;
// this next piece converts line breaks into break tags
// and removes the seemingly endless crap code
newString = newString.replace(/
/g, "<br />").replace(/.*<!--.*-->/g,"");
// this next piece removes any break tags (up to 10) at beginning
for ( i=0; i<10; i++ ) {
if ( newString.substr(0,6)=="<br />" ) {
newString = newString.replace("<br />", "");
}
}
return newString;
}
希望这对你们中的一些人有所帮助。
你可以使用完整的CKEditor清洁粘贴，或look at the source。
我用这个：
$(body_doc).find('body').bind('paste',function(e){
var rte = $(this);
_activeRTEData = $(rte).html();
beginLen = $.trim($(rte).html()).length;
setTimeout(function(){
var text = $(rte).html();
var newLen = $.trim(text).length;
//identify the first char that changed to determine caret location
caret = 0;
for(i=0;i < newLen; i++){
if(_activeRTEData[i] != text[i]){
caret = i-1;
break;
}
}
var origText = text.slice(0,caret);
var newText = text.slice(caret, newLen - beginLen + caret + 4);
var tailText = text.slice(newLen - beginLen + caret + 4, newLen);
var newText = newText.replace(/(.*(?:endif-->))|([ ]?<[^>]*>[ ]?)|( )|([^}]*})/g,'');
newText = newText.replace(/[·]/g,'');
$(rte).html(origText + newText + tailText);
$(rte).contents().last().focus();
},100);
});
body_doc是可编辑的iframe，如果您使用的是可编辑的div，则可以删除.find（'body'）部分。基本上它会检测粘贴事件，检查位置是否清除新文本，然后将清理后的文本放回粘贴的位置。 （听起来令人困惑......但它并不像听起来那么糟糕。
需要setTimeout，因为在实际粘贴到元素中之前无法获取文本，粘贴开始时会立即粘贴事件。
如何使用“粘贴为纯文本”按钮显示<textarea>，允许用户将文本粘贴在那里？这样，所有标签都会被剥离。这就是我对CMS的处理方式;我放弃了试图清理Word的烂摊子。
我很久以前做过类似的事情，我在富文本编辑器中完全清理了这些内容，并将字体标签转换为样式，brs转换为p等，以使其在浏览器之间保持一致，并防止某些丑陋的东西通过粘贴进入。我接受了我的递归函数并除掉了核心逻辑之外的大部分内容，这可能是一个很好的起点（“结果”是一个累积结果的对象，可能需要第二遍转换为字符串），如果这就是你需要的：
var cleanDom = function(result, n) {
var nn = n.nodeName;
if(nn=="#text") {
var text = n.nodeValue;
}
else {
if(nn=="A" && n.href)
...;
else if(nn=="IMG" & n.src) {
....
}
else if(nn=="DIV") {
if(n.className=="indent")
...
}
else if(nn=="FONT") {
}
else if(nn=="BR") {
}
if(!UNSUPPORTED_ELEMENTS[nn]) {
if(n.childNodes.length > 0)
for(var i=0; i<n.childNodes.length; i++)
cleanDom(result, n.childNodes[i]);
}
}
}
这非常适合从HTML文本中删除任何注释，包括来自Word的注释：
function CleanWordPastedHTML(sTextHTML) {
var sStartComment = "<!--", sEndComment = "-->";
while (true) {
var iStart = sTextHTML.indexOf(sStartComment);
if (iStart == -1) break;
var iEnd = sTextHTML.indexOf(sEndComment, iStart);
if (iEnd == -1) break;
sTextHTML = sTextHTML.substring(0, iStart) + sTextHTML.substring(iEnd + sEndComment.length);
}
return sTextHTML;
}
有一个类似的问题，换行被计为字符，我不得不删除它们。
$(document).ready(function(){
$(".section-overview textarea").bind({
paste : function(){
setTimeout(function(){
//textarea
var text = $(".section-overview textarea").val();
// look for any "
" occurences and replace them
var newString = text.replace(/
/g, '');
// print new string
$(".section-overview textarea").val(newString);
},100);
}
});
});你能粘贴到隐藏的textarea，从同一个textarea复制，并粘贴到你的目标？
讨厌说出来，但我最终放弃让TinyMCE以我想要的方式处理Word垃圾。现在，每当用户的输入包含某些HTML（例如，查找<span lang="en-US">）时，我就会向我发送一封电子邮件，并且我会手动更正。
以上是关于使用JavaScript清除Microsoft Word粘贴文本的主要内容，如果未能解决你的问题，请参考以下文章