ruby-on-rails - 清理从 MS-Word 粘贴的文本

Question

这是我狂野而古怪的伪代码。有人知道如何实现这一点吗？

背景:

此动态内容来自 ckeditor。许多人将 Microsoft Word 内容粘贴到其中。不用担心，如果我只是调用属性不变，它会加载得很好。但问题是我希望它只有 125 个字符的缩写。当我向其中添加截断时，所有 Microsoft Word 脚本都会开始弹出。然后我添加了 simple_format、清理和截断，甚至让我的 Controller 开始找出 MS 生成的特定变量并将它们 gsub 出来。但它们太多了，而且实现这一目标的方式似乎非常困惑。如此如此!意识到这一点本身就干净了。我想，为什么不直接切片呢。但是，Microsoft Word 文本变为空白，但仍保留其在字符串中的编号位置。所以我想出了下面这个(可能很糟糕)的解决方案。

分三步。

1. 解析文本时，不会显示任何 MSWord 垃圾。但该文本仍然在切片语句中保留数字位置。所以我想使用正则表达式来查找第一个实际字符。
2. 获取该字符并找出其在整个字符串中的编号位置。

3. 使用切片语句将其剪切。

   def about_us_truncated
     x = self.about_us.find.first(regExp representing first actual character)
     x.charCount = y
     self.about_us[y..125]
   end
   

我得到的唯一的其他想法是一个正则表达式语句，它允许它显式地仅对实际字符进行切片，如下所示:

about_us([a-zA-Z][0..125]) ，但这绝对不是它的写法。

以下是 MS Word 垃圾的一些示例文本:

 ≪! [If Gte Mso 9]>≪Xml>≪Br /> ≪O:Office Document Settings>≪Br /> ≪O:Allow Png/>≪Br /> ≪/O:Off...

Answer 1

您没有提供太多可引用的信息，但在寻求帮助之前，不要对尝试自己构建此正则表达式过于谨慎......

获取示例文本并将其粘贴到Rubular中在测试字符串区域并开始构建正则表达式。它的底部有一个很棒的快速引用。