我正在使用谷歌文档，我们使用的一些模板是使用 MS-Office 创建的。
生成的 HTML 又胖又丑，而且 google 上每个文档 500KB 的限制使得一些清理工作是强制性的。我能够找到多余的“样式”属性并将它们移动到某个 CSS 类，并将最多余的类名称重命名为较短的名称，这使我节省了大约 50% 的原始大小。
您是否知道一些现有的工具/脚本/lib 可以为我完成这项痛苦的工作，或者至少帮助我编写这个神奇的工具？
提前致谢 ！
编辑：我尝试了 tidy、demronizer 和“手动重写”：
- 输入：140Kb
- Tidy'ed： 110Kb
- Demoronized：135Kb
所以我最喜欢的答案是“重写它！”
谢谢 ！
MS-Office 制作蹩脚的 HTML，期间。您最好花时间从原始文本中重建 HTML，而不是试图穿过那个雷区。
我制作了一些宏，它们在 Word 上执行一些搜索/替换功能，以执行基本的操作，例如<p>在段落周围包装标签之类的东西，然后从头开始重新标记整个内容。
您可以尝试tidy它会清理很多东西。
在不评论它的名字的情况下，我可以提到demoronizer，作者将其描述为：
...一个可从该站点下载的 Perl 程序，它纠正了由 Microsoft 应用程序生成或编辑的 HTML 中的许多错误和不兼容性。
YMMV。
我现在最喜欢的实用程序之一实际上是 Windows Live Writer - 它可以很好地从 Word doc 文件中清除垃圾。有些人可能不同意，但我经常使用它！