Удалить некоторые тэги из текста, вставленного в форму из word

[Yura]

Удалить некоторые тэги из текста, вставленного в форму из word

Копирую текст в поле textarea из ворда. В тексте есть и таблицы, потом еще и картинки кое-где нужно вставить. Можно ли с помощью РНР перед сохранением в БД удалить лишние тэги (напр., "<?xml:namespace prefix = o ns = "urn:schemas-microsoft-comfficeffice" />", "<o></o>"; и в нужных тэгах лишние атрибуты (напр., в тэге <p> удалить "class=MsoNormal style="LINE-HEIGHT: 150%; TEXT-ALIGN: justify"" и др.) ?

 

[Андрейка]

можно

 

[Yura]

Как? Подскажите, пожалуйста

 

[Андрейка]

а кто его знает как... по какому принципу то удаляешь? скорее всего str_replace или регулярками..

 

[Yura]

Использую регулярку. class=MsoNormal меняю на "" с помощью ereg_replace(). а вот заменить style="" и все, что внутри кавычек на "" не получается. Подскажите, как сделать. Или может какой-нибудь получше метод избавления от лишних тэгов или их атрибутов подскажете?

 

[Vallar_ultra]

2Yura
Напиши пример и то что надо грохнуть, а вообще
http://phpclub.ru/detail/article/regexp_1
http://phpclub.ru/detail/article/regexp_2

 

[Yura]

Вот один из кусков кода:
<P style="MARGIN: 0cm 0cm 0pt"><B><FONT size=3><FONT
face="Times New Roman">Отчет маркетиногвого исследования.<o></o></FONT></FONT></B></P><BR>
<P style="MARGIN: 0cm 0cm 0pt"><B><FONT size=3><FONT
face="Times New Roman">&nbsp;<o></o></FONT></FONT></B></P><BR>
<P style="MARGIN: 0cm 0cm 0pt; TEXT-INDENT: 35.4pt; LINE-HEIGHT: 150%; TEXT-ALIGN: justify"><SPAN style="TEXT-TRANSFORM: uppercase"><FONT
size=3><FONT face="Times New Roman">информационная ценность
исследования<o></o></FONT></FONT></SPAN></B></P><BR>

Дальше есть еще и таблицы. Короче, обычный html-код, формируемый вордом

 

[Vallar_ultra]

так а чё с ним сделать-то надо? к какой форме привести?

 

[Yura]

Автор оригинала: Vallar_ultra
так а чё с ним сделать-то надо? к какой форме привести?

Вот, что нужно получить:

<P><B>Отчет маркетиногвого исследования.</B></P><BR>
<P>информационная ценность
исследования</P><BR>

 

[Vallar_ultra]

Ну попробуй что-нить типа

// $sub  - это твой текст
$regExp = '/<\/?FONT.[^>]*>|o:|<\/?SPAN.[^>]*>/i';
$sub = preg_replace($regExp,'',$sub);
$regExp = '/<p.[^>]*>/i';
$sub = preg_replace($regExp,'<p>',$sub);

 

[kruglov]

http://www.kruglov.ru/useful/cleanhtml, правда, там не PHP и не регулярки. Зато тормозит меньше.

 

[HraKK]

kruglov
Спс, возму себе на заметку =)

 

[Yura]

Спасибо! Оба варианта отличные. Я уже реализовал, который предложил Vallar ultra

 

[Vallar_ultra]

2Yura
А вообще если будет не лень - попробуй написать более универсальный код, желательно с применением ООП-а, и тогда его имплементация под разные задачи подобного толка станет проще и быстрее. И задачи такие встречаются довольно часто )