从word文档复制到网页时，文本会发生变化

Question

我正在创建一个博客引擎，其中包括一个

然后我使用ajax并将其存储到GAE数据存储提供的Text变量中

问题是：如果用户从word文档中复制文本，当嵌入到网页上时，我会在屏幕上看到各种随机字符。我知道这是因为word文件使用XML编码，HTML页面使用utf-8编码（在我的例子中）

问题：如何更改输入文本的编码？或者如何避免XML编码？或者改变我的网页编码是否有助于解决这个问题？

需要注意的要点：我想让它自动化。。我在谷歌上读到，你应该先把文本复制到一些简单的文本编辑器中，这些编辑器对编码进行格式化，然后将其复制到网页上。但这个选择对我来说不可行。

我以前也用过weebly，那次我从word文件中复制了文本，如果有人知道weebly是如何处理编码冲突的！

答案应为java:）




Answer 1

不确定这是否对任何人都有帮助，但我花了几天时间试图解决这个问题。我的用例非常相似，只是我发现我的问题与剪贴板复制的方式有关（根据操作系统的不同，这种方式略有变化），然后粘贴文本。（我用ClipSpy调查“引擎盖下”发生了什么。）

请原谅我的外行的解释：剪贴板以多种格式存储文本，当发出粘贴命令时，它会尝试匹配收件人程序的字符集/编码，或者在我的例子中是

• “剪切粘贴”是如何影响字符编码的？会出现什么问题

最终我所要做的就是尽早声明

Answer 2

这是因为单词文档（逗号）在UTF-8标准中没有涵盖，所以您需要以编程方式处理它。

下面是一些关于javascript的例子

<textarea rows="4" onkeyup="replaceWordChars(this.value)" cols="50">
//your text area
</textarea> 


function replaceWordChars(text) {
    var s = text;
    // smart single quotes and apostrophe
    s = s.replace(/[\u2018|\u2019|\u201A]/g, "\'");
    // smart double quotes
    s = s.replace(/[\u201C|\u201D|\u201E]/g, "\"");
    // ellipsis
    s = s.replace(/\u2026/g, "...");
    // dashes
    s = s.replace(/[\u2013|\u2014]/g, "-");
    // circumflex
    s = s.replace(/\u02C6/g, "^");
    // open angle bracket
    s = s.replace(/\u2039/g, "<");
    // close angle bracket
    s = s.replace(/\u203A/g, ">");
    // spaces
    s = s.replace(/[\u02DC|\u00A0]/g, " ");
    document.getElementById("your Textarea ID ").value = s;
}

在文本区域，您需要启动此javascript函数onKeyup事件