我有一堆客户希望在其网站上显示的 MS Word 文件。我已经使用“另存为网页”将它们转换为 HTML——是的，我知道这会产生糟糕的 HTML，但我尝试过的其他方法会丢失嵌入图像的链接。
在大多数情况下，我可以使用 PHP 来清理显示，但有一个项目让我完全困惑：所有单引号和双引号都以带有变音符号（重音）的各种字母出现，我不知道如何检测它们并将它们转换为正确的 HTML 实体。例如：Õ（O波浪号）应该是单引号，Ò（O坟墓）应该是开放双引号，Ó（O锐角）应该是关闭双引号。我尝试了 htmlentities、iconv 和一堆其他方法，但都没有成功。
【问题讨论】：
标签： php html ms-word character
文字一团糟！对于单个文件，我会通过以下方式运行：http://word2cleanhtml.com/
如果这将是一个持续的事情，那么有完整的文件库专门用于对 Web 的 Word 文档进行去字化处理。试试HTML Tidy 或HTML Purifier
如果您要使用 WYSIWYG 类型的工具并且此操作正在进行中，CKEditor 将自动删除 Word HTML 垃圾。 CK 与 TinyMCE 和其他人的区别在于，即使用户忘记执行“从 Word 复制”，它仍然不会让坏东西通过。
自从使用 CK 和 Tidy 以来，尽管有数百名具有不同网络知识水平的用户在使用我的公司网站，但我从未遇到过任何问题。在更改之前，这几乎是每天都会出现的问题。
【讨论】：
我建议将那些糟糕的 html 文件打开到编辑器中，例如：Notepad++，然后在所有打开的文档中进行搜索和替换。
【讨论】：
Word 文档的编码是什么？您可以尝试通过 PHP 匹配原始编码或将 Word 文档的编码更改为类似 UTF-8 的编码，并确保您的页面也显示为 UTF-8。
【讨论】：