html2text：轉換特殊字符

所以首先，我不是在談論蟒蛇html2text但該命令行工具：http://www.mbayer.de/html2text/html2text：轉換特殊字符

我使用這個工具，我PROGRAMM的一部分，以產生一些小的文本預覽爲HTML文章。到現在爲止，這是我使用的線路：

html2text -utf8 -nobs -style pretty filename.html

不幸的是我現在對面即是使用像

&#xE4;

這些特殊字符不被轉換爲「A」的HTML代碼來了，甚至「ae」像預期的那樣。

例如行：

<p class="caption">Steve Ballmer, Jahrgang 56, wird zumindest auf diesem Bild auf 56 Jahre gesch&#xE4;tzt. </p>

應轉換爲：

Steve Ballmer, Jahrgang 56, wird zumindest auf diesem Bild auf 56 Jahre geschätzt.

但在這裏會產生這條線來代替：

Steve Ballmer, Jahrgang 56, wird zumindest auf diesem Bild auf 56 Jahre gesch&#xE4;tzt.

文檔說：

默認情況下，當提供-nometa，html2text使用ISO 8859-1的輸入。指定此選項，UTF-8來代替（包括用於輸入和輸出）。

所以我試着不用「-utf8」並使用「-nometa」。但是還是一樣的結果:( 我失去了一個選擇嗎？

THX對您的幫助提前。

來源

2015-05-03 Jan Lukas Gernert

該文檔還寫着「HTML 4的大部分結構都renderred [原文]，以及包括最SGML實體，只要它們寫成‘命名實體’，而不是一個數值」，這表明這是一個已知的限制。 –

你嘗試（HTML）整齊？

tidy filename.html | html2text -utf8 -nobs -style pretty

可能包括錯誤輸出的抑制：

tidy filename.html 2>/dev/null | html2text -utf8 -nobs -style pretty

至少在你的例子簡單的段落完成

<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.01//EN"> 
<html> 
<head> 
<meta name="generator" content= 
"HTML Tidy for Linux (vers 25 March 2009), see www.w3.org"> 
<title></title> 
</head> 
<body> 
<p class="caption">Steve Ballmer, Jahrgang 56, wird zumindest auf 
diesem Bild auf 56 Jahre gesch&auml;tzt.</p> 
</body> 
</html>

來源

2015-05-03 16:17:40 leu

html2text：轉換特殊字符

回答

相關問題