Salut,
Intr-o pagina web trebuie sa includ multiple articole dintr-o revista. Toate bune si frumoase, doar ca persoana care a scanat revistele (don’t ask, s-a pierdut totul de pe un calc) a salvat fiecare articol in html cu word (asa mi-au fost date). Dreamweaver de ex. are functia Clean Up Word HTML dar eu doresc sa aplic acest lucru la vreo 400 fisiere. Exista vreun mod sau vreun program cu care sa pot automatiza acest clean up? (articolele sunt mici, dreamweaver curata cam 1 articol la 3-5 secunde).

400 de fisiere, intr-o pagina web?
wtfk?!

este vorba de pagina unei reviste stiintifice si fisierele reprezinta articole

hei, inseamna ca ai fisierul sursa
de ce sa fie nevoie de scanat?

in cazul numerelor anterioare 2008 s-a stricat hardul pe care erau stocate articolele asa incat cineva a scanat rezumatele acestora, le-a facut OCR, le-a exportat in word si salvat HTML. Doream sa curat aceste documente de toate mizeriile adaugate de word pt a le face utilizabile (adica pt a le include in pagina).

Am incercat sa-l “invat” pe Automator si apoi sa fac un multi item processing dar mereu se blocheaza undeva :(

rezolvat cu ... windows. un mic script care sa execute html tidy