如何像 Lynx 那样使用 Perl 将 HTML 呈现为文本？ [复制]答案

【问题标题】：How can I render HTML as text using Perl as Lynx does? [duplicate]如何像 Lynx 那样使用 Perl 将 HTML 呈现为文本？ [复制]
【发布时间】：2009-12-27 06:46:58
【问题描述】：

可能重复：
Which CPAN module would you recommend for turning HTML into plain text?

问题：

是否有一个模块可以渲染 HTML，专门用于收集文本，同时遵守 字体样式标签，例如<tt>、<b>、@ 987654326@ 等和 break-line <br>，类似于 Lynx。

例如：

# cat test.html

<body>  
<div id="foo" class="blah">  
<tt>test<br>
<b>test</b><br>
whatever<br>
test</tt>
</div>
</body>

# lynx.exe --dump test.html

test
test
whatever
test

注意：第二行应该是粗体。

【问题讨论】：

不要错过：stackoverflow.com/questions/1934638/…

标签： html perl render

【解决方案1】：

Lynx 是一个大程序，它的 html 渲染将非常重要。

这个怎么样：

my $lynx = '/path/to/lynx';
my $html = [ html here ];
my $txt = `$lynx --dump --width 9999 -stdin <<EOF\n$html\nEOF\n`;

【讨论】：

+1。想提出相同的答案。
不幸的是，这可能只是不得不做的事情。
第 3 行不应该包含 $lynx 而不是 lynx 吗？否则，/path/to/lynx 将被忽略。

【解决方案2】：

转到search.cpan.org 并搜索HTML text，这将为您提供许多选项来满足您的特定需求。 HTML::FormatText 是一个很好的基线，然后扩展到它的特定变体，例如 HTML::FormatText::WithLinks 如果您想将链接保留为脚注。

【讨论】：

【解决方案3】：

我在 Windows 上，因此无法完全测试，但您可以调整 htext 附带的 HTML::Parser：

#!/usr/bin/perl

use strict; use warnings;

use HTML::Parser;
use Term::ANSIColor;

use HTML::Parser 3.00 ();

my %inside;

sub tag {
   my($tag, $num) = @_;
   $inside{$tag} += $num;
   print " ";  # not for all tags
}

sub text {
    return if $inside{script} || $inside{style};
    my $esc = 1;
    if ( $inside{b} or $inside{strong} ) {
        print color 'blue';
    }
    elsif ( $inside{i} or $inside{em} ) {
        print color 'yellow';
    }
    else {
        $esc = 0;
    }
    print $_[0];
    print color 'reset' if $esc;
}

HTML::Parser->new(api_version => 3,
    handlers => [
        start => [\&tag, "tagname, '+1'"],
        end   => [\&tag, "tagname, '-1'"],
        text  => [\&text, "dtext"],
    ],
    marked_sections => 1,
)->parse_file(shift) || die "Can't open file: $!\n";;

【讨论】：