使用OpenXml電動工具將Docx轉換為html而不進行格式化

Question

我在項目中使用OpenXml Power工具將文檔（docx）轉換為html，使用此sdk已提供的代碼，它會以html形式生成優雅的副本。（Github鏈接： https : //github.com/OfficeDev /Open-Xml-PowerTools/blob/vNext/OpenXmlPowerToolsExamples/HtmlConverter01/HtmlConverter01.cs ）

但是，從html標記來看，html具有嵌入式樣式。

有什么辦法可以關閉它，並使用簡單的<h1>和<p>標簽？

我想知道這種嵌入式樣式，因為格式化將由引導程序處理。

嵌入式樣式如下：

 <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>

如您所見，如果您想要直接復制，則很好，但如果您要自己控制樣式，則不行。

在C＃代碼中，我已經進行了以下調整：

• AdditionalCss已被注釋掉
• FabricateCssClasses為假
• CssClassPrefix被注釋掉

非常感謝。

Answer 1

如果您還可以通過XmlReader和XmlWriter獲得裸露的html。 但是，這可能有點過大，因為僅保留標簽本身及其文本內容。

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();
    }
}

結果輸出：

<p>
  <span></span>
</p>

Answer 2

我已經通過Xiaoy312的提示解決了這個問題...

使用以下示例，在使用上面的示例時，可以將生成的html字符串加載到html敏捷包中，如下所示：

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

然后尋找屬性（樣式和其他屬性），將其刪除。

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));

會有其他方法可以執行此操作，但似乎可以接受。

編輯：

經過對此處發布的兩個答案進行一些試驗后，我發現此實現效果最佳，因為它對圖像沒有問題。

 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();
      }
    }
  }

從理論上講，您也可以將其用於表格，但是根據所需的樣式，您總是可以去除電動工具生成的屬性，並用自己的屬性替換。