今天又看到lifehacker这几种word 2 clean htm方法：

1.使用这个HTML Tidy Library Project开源软件来处理。

2.微软官方站点也有个office 2000 HTML Filter 2.0工具，可以用来处理掉word2000转html时出现的多余代码。

3.使用这个word HTML Cleaner在线工具来处理。只能处理word2000以下版本。

4.有人给出了正则表达式（其实，上面的各种软件也都是用正则来解决的）

删除不需要的标签

<[/]?(fontspanXML[ovwXP]:w+)[^>]*?>
- replace any matches with the empty string

删除class,style...等不需要的属性

<([^>]*)(?:classlangstylesizeface[ovwxp]:w+)=(?:'[^']*'""[^""]*""[^>]+)([^>]*)>
- replace any matches with <$1$2>