word 生成HTML

          string wordPath = Server.MapPath("/Fileword/" + FileUpload1.FileName);          
            string htmlPath = Server.MapPath("/Fileword/测试.html");
            //上传word文件
            FileUpload1.SaveAs(wordPath);
            #region 文件格式转换
            //请引用Microsoft.Office.Interop.Word
            ApplicationClass word = new ApplicationClass();
            Type wordType = word.GetType();
            Documents docs = word.Documents;
            // 打开文件
            Type docsType = docs.GetType();
            object fileName = wordPath;
            Document doc = (Document)docsType.InvokeMember("Open", BindingFlags.InvokeMethod, null, (object)docs, new Object[] { fileName, true, true });
            //判断与文件转换相关的文件是否存在，存在则删除。（这里，最好还判断一下存放文件的目录是否存在，不存在则创建）
            if (File.Exists(htmlPath)) { File.Delete(htmlPath); }
            ////每一个html文件，有一个对应的存放html相关元素的文件夹(html文件名.files)
            if (Directory.Exists(htmlPath.Replace(".html", ".files")))
            {
                Directory.Delete(htmlPath.Replace(".html", ".files"), true);
            };
            //转换格式，调用word的“另存为”方法
            Type docType = doc.GetType();
            object saveFileName = htmlPath;
            docType.InvokeMember("SaveAs", BindingFlags.InvokeMethod, null, doc, new object[] { saveFileName, WdSaveFormat.wdFormatHTML });
            // 退出 Word
            wordType.InvokeMember("Quit", BindingFlags.InvokeMethod, null, word, null);

这样生成的html , 会有很多冗余HTML,去除冗余HTML方法如下

 public static string CleanWordHtml(string html)
    {
        StringCollection sc = new StringCollection();
        sc.Add(@"<!--(\w|\W)+?>");
        sc.Add(@"<!--(\w|\W)+?-->");
        sc.Add(@"<style>(\w|\W)+?</style>");
        sc.Add(@"\s?class=\w+");       
        sc.Add(@"<(meta|link|/?o:|/?font|/?strong|/?st\d|/?head|/?html|body|/?body|/?w:|/?m:|/?v:|!\[)[^>]*?>");
        sc.Add(@"(<[^>]+>)+ ()+");
        sc.Add(@"<xml>(\w|\W)+?</xml>");//清除xml标签及所有值      
        sc.Add(@"(\n\r){2,}");       
        foreach (string s in sc)
        {
            html = Regex.Replace(html, s, "", RegexOptions.IgnoreCase);
        }

        foreach (Match match in Regex.Matches(html, "style='[^']+'", RegexOptions.IgnoreCase))
        {
            html = html.Replace(match.Value, match.Value.Replace('"', ' ').Replace("'","\""));

        }
        html = Regex.Replace(html, @"(?<=style=['""])[^'""]*(?=['""])", delegate(Match m)
        {
            return string.Join(";", m.Value.Split(';').Where(t => Regex.IsMatch(t.Trim(), @"^(background|color):")).ToArray());
        });
        
        return html;

    }

可根据自己的需求修改正则