用于解码文件中的 HTML 实体的 Windows 工具

Question

是否有适用于 Windows 的命令行/批处理脚本工具可用于将 HTML 授权（如  、℘ 和 ‰）解码为可读的 UTF-8 文本？

我发现这个使用 javascript 的 Web 工具 (https://mothereff.in/html-entities) 可以做到这一点，但我需要从 Windows 批处理文件中完成。我知道令人惊叹的 JREPL.bat 实用程序，它将 javascript 合并到 Windows 命令外壳中以在文件中进行正则表达式替换。我只是找不到用于 HTML 实体转换的类似工具。

编辑：对于那些聪明的程序员，我希望你能编写一个批处理工具来执行 HTML 实体解码/编码，以帮助我和未来的读者寻找相同的解决方案。以下是我认为可以使用的 Github 页面：https://github.com/mathiasbynens/hehttps://github.com/mathiasbynens/mothereff.in/tree/master/html-entities

Answer 1

您不需要大量的应用程序（如 JREPL.bat 或我自己的 FindRepl.bat）或复杂的程序来执行像这个一样简单的替换。下面的小批处理文件是一个替换 3 个 HTML 实体的示例：

@set @a=0 // & cscript //nologo //E:JScript "%~F0" < input.txt & goto :EOF

var rep = new Array();
rep["&#xA9;"]   = "\u00A9";
rep["&#xD306;"] = "\uD306";
rep["&#x2603;"] = "\u2603";

var f = new ActiveXObject("Scripting.FileSystemObject").CreateTextFile("output.txt", true, true);
f.Write(WScript.Stdin.ReadAll().replace(/&#xA9;|&#xD306;|&#x2603;/g,function (A) {return rep[A]}));
f.Close();

输入.txt：

Foo © bar 팆 baz ☃ qux

输出.txt：

Foo © bar 팆 baz ☃ qux

你只需要添加你想转换的字符等价...

Answer 2

将 JScript 合并到批处理文件中很简单，因此您可以轻松编写自己的自定义混合 JScript/批处理脚本，其中包含在 https://github.com/mathiasbynens/he 找到的 he.js。

但是使用您已经提到的JREPL.BAT tool 更简单。您可以使用 /JLIB 选项加载 he.js 代码，从而使 JREPL 可以访问所有 he（html-entities）功能。

这是一个解码 test.txt 并覆盖原始文件的简单示例。

jrepl "^.*" "he.decode($0)" /jlib "he.js" /f test.txt /o -

这不是最有效的方法，但它可能足够快，而且确实很方便。

这是另一个对 test.txt 中的每个字符（包括换行符）进行编码的示例，将结果写入 out.txt

jrepl "^[\s\S]*" "he.encode($0,{encodeEverything:true})" /m /j /jlib he\he.js /f test.txt /o out.txt

您应该研究他和 JREPL 的所有文档以发现所有可能性。

示例中的正则表达式部分似乎更像是一个障碍而不是帮助。但是很容易想象，选择性地仅对输入文本的一部分进行编码是多么有用。或者您可以使用 JREPL /T 选项为不同的文本部分使用不同的编码选项。