摘要：从 Word、Google 文档或浏览器粘贴过来的文本很少是干净的 HTML——它会带着不可见的内联样式、空标签和微软专有的标记语言，这就是为什么一个页面看起来没问题，却会使 CMS 中存储的内容膨胀，并破坏页面样式。可搭配 AI Hidden Characters、Text Difference、Character Counter 和 Encoding Converter 一起使用本指南。
在发布前清理 HTML，意味着把这些隐藏标记去除，回归到简单的结构——段落、标题、链接——然后再让它进入一个会将其原样渲染的 CMS。
多余标记究竟从何而来
Microsoft Word 在内部把格式保存为类似 HTML 的标记，而从 Word 复制到浏览器会拖带这些遗留标记——条件注释、mso-* 内联样式，以及在 Word 之外毫无意义、却仍会被原样粘贴的带命名空间标签。Google 文档和富文本编辑器会为每一段文本添加自己的内联 style 属性，即使视觉结果与 CMS 自身的默认样式完全相同。
为什么这会造成真正的问题，而不只是代码凌乱
CMS 会渲染任何提供给它的 HTML——如果粘贴的内容带有内联的 font-family: Calibri 或固定的 font-size，就可能覆盖网站在那一段落上的真实排版，产生外观不一致、又难以诊断的页面，因为在快速的视觉检查中 HTML 看起来是没问题的。空标签（<span></span>、嵌套的 <p><p></p></p>）不会可见地渲染出来，但确实会被存储、被索引，并可能干扰内容长度检查或解析 DOM 的无障碍扫描工具。
"干净"的 HTML 究竟意味着什么
干净的 HTML 保留语义结构——<p>、<h2>、<strong>、<a>——并丢弃所有仅仅是为了精确还原源文档视觉格式而存在的内容。链接的 href 很重要；一个 span 的内联颜色通常不重要，因为应该由 CMS 自己的样式表来决定文本的外观，而不是粘贴的来源。
粘贴后清理的工作流程
- 如果来源是 Word 或高度格式化的编辑器，先粘贴到一个纯文本的中间步骤——这一步本身就能去除大部分专有标记。
- 如果 CMS 有"粘贴为纯文本"或"从 Word 粘贴"的选项，使用它而不是直接粘贴。
- 在发布之前而不是在读者反馈格式奇怪之后，检查结果中是否有空标签和内联
style属性。 - 只重新添加语义上有意义的格式——加粗表示强调、链接、标题——而不是重复网站自身 CSS 的视觉样式。
应避免的常见错误
- 不经过中间清理步骤，直接从 Word 粘贴到 CMS 的富文本编辑器中。
- 假设页面"看起来没问题"就意味着 HTML 是干净的——在你检查标记或触及长度限制之前，多余的部分是不可见的。
- 手动删除可见的格式，却在 HTML 源代码中留下底层的内联样式和空标签。
- 把这当作一次性修复，而不是每个大量粘贴的发布流程中的一个步骤。
干净的 HTML 关乎的不是页面今天看起来如何——而是不要留下之后才显现出来的隐形标记债务，表现为不一致的样式、膨胀的页面体积，或一个在不知不觉中达到字符上限的 CMS 字段。