asp 使用正则表达式替换word中的标签，转为纯文本

在网站后台编辑器的日常使用中，我们经常面临一个问题：用户直接从Word文档复制内容至编辑器提交，导致内容页面显示五花八门，有时还需要纯文本内容作为摘录使用。面对这种情况，虽然我们希望用户能先复制到记事本再粘贴到编辑器里，但更好的解决方案是从我们自身出发进行改变。

经过网上搜寻并尝试若干清除Word格式的正则表达式后，我发现效果并不理想。于是，我决定自己编写一个ASP函数来清除Word格式，以满足我们的需求。下面是这段函数的代码：

```asp

function cleanWord(html)

dim regEx

set regEx=New RegExp

regEx.IgnoreCase=True

regEx.Global=True

'清除所有<>之间的内容，如HTML标签

regEx.Pattern="<[^>]>"

html = regEx.replace(html,"" )

'清除所有{}之间的内容，可能包含Word格式代码

regEx.Pattern="{[^}]}"

html = regEx.replace(html,"" )

'清除所有//之间的注释，可能是Word中的注释或格式说明

regEx.Pattern="/[^/]/"

html = regEx.replace(html,"" )

'替换掉漏网的单词，如"table.MsoNormalTable"等Word特有的样式类名

html =Replace(html,"table.MsoNormalTable","")

cleanWord= html

set regEx=nothing

end function

```

通过这个函数，我们可以对从Word复制粘贴过来的HTML内容进行清洗，去除其中的Word格式代码和样式类名。这样，即使在后台编辑器中直接粘贴Word内容，也能保证在前端显示时呈现统一的样式，同时满足摘录纯文本的需求。这个过程既保证了内容的完整性，又提高了用户体验。让我们更专注于内容的编辑与展示，而无需担心格式问题。