使用OpenXml电动工具将Docx转换为html而不进行格式化

Question

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

但是，从html标记来看，html具有嵌入式样式。

有什么办法可以关闭它，并使用简单的<h1>和<p>标签？

我想知道这种嵌入式样式，因为格式化将由引导程序处理。

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>

如您所见，如果您想要直接复制，则很好，但如果您要自己控制样式，则不行。

在C＃代码中，我已经进行了以下调整：

• AdditionalCss已被注释掉
• FabricateCssClasses为假
• CssClassPrefix被注释掉

非常感谢。

Answer 1

如果您还可以通过XmlReader和XmlWriter获得裸露的html。 但是，这可能有点过大，因为仅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，可以将生成的html字符串加载到html敏捷包中，如下所示：

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

然后寻找属性（样式和其他属性），将其删除。

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));

会有其他方法可以执行此操作，但似乎可以接受。

编辑：

经过对此处发布的两个答案进行一些试验后，我发现此实现效果最佳，因为它对图像没有问题。

 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();
      }
    }
  }

从理论上讲，您也可以将其用于表格，但是根据所需的样式，您总是可以去除电动工具生成的属性，并用自己的属性替换。