HTML轉換爲純文本，並保持基本格式

我正在尋找一種方式來HTML格式的文本轉換爲純文本，同時保持它的基本結構，也許會稍微調整了，所以：HTML轉換爲純文本，並保持基本格式

<p>This is a paragraph.</p> 
<ol> 
    <li>List item 1.</li> 
    <li>List item 2.</li> 
</ol> 
<p>This is an <a href="www.google.com">anchor</a>.</p>

變爲：

這是一個段落。

列表項1.

列表項2.

這是一個錨（www.google.com）。

關於如何有效實現大量HTML格式模板的任何想法？

請注意，結構外最重要的部分是保持錨點。

來源

2012-11-07 rebelliard

您應該考慮使用降價或其他輕量級標記語言 – Nicolas

這是目前非選擇。我無權修改這些內容，但我需要以純文本的形式進行修改。：/ – rebelliard

隨着[Pandoc（http://johnmacfarlane.net/pandoc/try）（哈斯克爾），你可以輕鬆地HTML源轉換爲標記語言。 – Nicolas

使用基於文本的瀏覽器，如lynx，並將其輸出到標準輸出。我不知道它會滿足您的所有的調整，需求，但它是一個非常快速和容易的開始

lynx -crawl -dump http://stackoverflow.com/questions/13279364/convert-html-to-plain-text-and-keep-basic-formatting

（實際上，我希望你的列表是

1. List item 1. 
2. List item 2.

，因爲它的一個有序列表）

編輯：實際上看起來更到您的實際使用情況下，它完美的作品：

> echo '<p>This is a paragraph.</p> 
<ol> 
    <li>List item 1.</li> 
    <li>List item 2.</li> 
</ol> 
<p>This is an <a href="http://www.google.com">anchor</a>.</p>' | lynx -stdin -dump

成爲

This is a paragraph. 
    1. List item 1. 
    2. List item 2. 

    This is an [1]anchor. 

References 

    1. http://www.google.com/

來源

2012-11-07 22:35:38 Claude

這實際上看起來不錯，除了丟失的錨點。現在我需要找出是否有可能用l to將錨點旁邊的錨點附加到錨定文本中。 – rebelliard

順便說一句，你是正確的，那是一個有序的列表，但我想強調這並不重要。 – rebelliard

我只是用一個實際的例子做了一個編輯（它希望http：//在鏈接中，否則它假設它是本地的），其中包括鏈接。 '-crawl'參數隱藏了鏈接。 – Claude

HTML轉換爲純文本，並保持基本格式

回答

相關問題