HTML mit REGEXP bereinigen

[JürgenB]

Hallo zusammen,

Ich habe mir verkniffen, das zu kommentieren, weil Jürgen eine sehr spezifische Anwendung hatte, in der das vermutlich unschädlich ist.

so ist es. Die Word-Dokumente liegen inzwischen als html vor.

Es hat letztendlich viel mehr Arbeit gemacht, die Word-Eigenarten zu beandeln. Word neigt beim html-Export dazu, Sonderzeichen als &#nnnnnn; darzustellen, oder auch als Grafik. Auch Formeln waren teilweise als Grafik, teiweise als html exportiert. Dann neigt Word dazu, sehr großzügig mit <span>s umzugehen, und an aus meiner Sicht willkürlich gesetzten Stellen findet mann ein <a name="_Hlk123831769">...</a>. Aber genug gemeckert, das Problem ist gelöst.

Noch mal: vielen Dank.

Gruß
Jürgen