如何将 HTML 转换为文本？

Question

如何在 Linux 中将 HTML 转换为文本文件？例如，我想向curlGoogle 查询，然后将输出的 html 转换为文本并在我的终端上读取转换后的文本。我正在使用 RHEL6。

Answer 1

我认为 curl 没有内置的 HTML 处理器。然而：

lynx --dump <URL>

诀窍。

如果你仍然想使用 curl，你可以使用html2text（在 Ubuntu 中可用）。

Answer 2

您可以安装html2text（高级 HTML 到文本转换器）并且用法很简单：

$ html2text http://example.com/
$ cat file.html | html2text -o file.txt

安装方式：

• Linux： apt-get install html2text
• 操作系统： brew install html2text

示例curl：

$ curl -sL google.com | html2text
Search Images Maps Play YouTube News Gmail Drive More ?
Web History | Settings | Sign in
     A better way to browse the web
       Get Google Chrome

          Advanced search Language tools

        [Google Search][I'm Feeling Lucky]

     Advertising Programmes Business Solutions+GoogleAbout GoogleGoogle.com
                           ? 2016 - Privacy - Terms