如何轻松地从 Linux 中的标准输入流转换 HTML 特殊实体？

Question

CentOS

有没有一种简单的方法可以从数据流中转换 HTML 特殊实体？我将数据传递给 bash 脚本，有时该数据包含特殊实体。例如：

“测试”& 测试 $ 测试！测试@#$%^& *

我不确定为什么有些字符显示正常而其他字符显示不正常，但不幸的是，我无法控制传入的数据。

我想我可以在这里使用 SED，但这似乎很麻烦，并且可能容易出现误报。是否有我可以通过管道传输的 Linux 命令专门用于解码此类数据？

Answer 1

Perl（一如既往）是您的朋友。我认为这会做到：

perl -n -mHTML::Entities -e ' ; print HTML::Entities::decode_entities($_) ;'

例如：

echo '"test" & test $test ! test @ # $ % ^ & *' |perl -n -mHTML::Entities -e ' ; print HTML::Entities::decode_entities($_) ;'

有输出：

someguy@somehost ~]$ echo '"test" & test $test ! test @ # $ % ^ & *' |perl -n -mHTML::Entities -e ' ; print HTML::Entities::decode_entities($_) ;'
"test" & test $test ! test @ # $ % ^ & *

Answer 2

PHP 非常适合这一点。此示例需要 PHP 5：

cat file.html | php -R 'echo html_entity_decode($argn);'

Answer 3

recode似乎在主要 GNU/Linux 发行版的默认软件包存储库中可用。例如将 HTML 实体解码为 UTF-8 ：

…|recode html..utf8

Answer 4

使用 Python 3：

python3 -c 'import html,sys; print(html.unescape(sys.stdin.read()), end="")' < file.html