组织模式-粘贴时直接解析丰富的HTML吗？

目前，记笔记工具，如Evernote和Quiver，我可以直接HTML内容从我喜爱的浏览器复制，然后将其粘贴到应用程序，与所有的格式保存+链接。但是在orgmode中，似乎所有格式信息都丢失了。

我见过有人建议使用eww来浏览网络并通过复制内容eww-org。但这确实很乏味（我认为现在没有很多人使用eww现代浏览器而不是现代浏览器来浏览网络。我将不得不再次打开该链接eww并进行复制，更不用说有时eww不会很好地呈现内容）。

Emacs粘贴时是否可以直接解析复制的HTML？即使目前还没有用于该工具的工具，是否可行？

这几乎是阻止我切换到orgmode其他笔记记录工具的唯一方法。

— ji
source

请澄清“直接解析复制的HTML”是什么意思

— mankoff 2015年

@mankoff好吧，我想我的描述不够清楚。例如，我想要的是原始HTML是否包含<b>text</b>在我之后Cmd + C，可以在粘贴时通过某种方式将其转换为*text*in org mode。或者，如果没有，请至少保留原始的HTML代码，以便以后可以以原始的正确格式查看它们。当前的情况是以某种方式只能呈现纯文本。

— xji 2015年

例如，我们在这里

<p>I've seen somebody <a href="http://emacs.stackexchange.com/q/7171/115">suggest using <code>eww</code> to browse the web and copy the content via <code>eww-org</code></a>. However that is really tedious(I don't think there would be a lot of people browsing the web using <code>eww</code> instead of modern browsers nowadays. I'll have to open that link again in <code>eww</code> and do the copying, not to mention sometimes <code>eww</code> doesn't render the contents nicely). </p>

。如果我复制此段落，则希望能够在中复制其格式orgmode。

— xji 2015年

@mankoff太好了！有效！你是男人！我想您甚至可以考虑将其提交为Emacs软件包等。这可以使org mode用户更加友好。实际上，我更喜欢在不进行中间RTF转换的情况下进行格式化，因为它保留了更多信息。例如#+BEGIN_QUOTE，#+BEGIN_EXAMPLE您的答案将不会与其他转换一起保存。

— xji 2015年

@incandescentman这只是尝试剥离一些格式信息，例如网页中的某些CSS。您可以自己尝试一下，看看有什么不同。

— xji

做一个可行吗？

因为这是emacs，所以可以。

我的方法是使用可以使用HTML并转换为纯文本甚至直接转换为组织格式的第三方工具。我认为这是一个丑陋的技巧，也许有更好的方法可以做到这一点，但是看起来它可以用于我的测试用例。

(defun kdm/html2org-clipboard ()
  "Convert clipboard contents from HTML to Org and then paste (yank)."
  (interactive)
  (kill-new (shell-command-to-string "osascript -e 'the clipboard as \"HTML\"' | perl -ne 'print chr foreach unpack(\"C*\",pack(\"H*\",substr($_,11,-3)))' | pandoc -f html -t json | pandoc -f json -t org"))
  (yank))

不幸的是，HTML现在非常复杂，不再是一些简单的手写标签。这种复杂的HTML标记需要上面复杂的shell命令。它执行以下操作：

osascript从剪贴板获取HTML文本。它是十六进制编码的，所以
perl将十六进制转换为字符串
我们可以使用pandoc直接将HTML转换为Org，但是HTML充满了复杂的标签，因此会产生大量的Org代码。为了将HTML简化为捕获格式所需的最少标记集，我
将HTML转换为json，然后
将json转换为Org（这两个步骤简化了HTML）。

请注意，这osascript适用于MacOS。要为Linux修改步骤1-2，请用以下命令替换shell-command-to-string的参数

"xclip -o -t text/html | pandoc -f html -t json | pandoc -f json -t org"

无论如何，pandoc命令的输出都将返回到emacs，并插入到缓冲区中。

将新的Emacs命令绑定到类似于“ paste”的键，但这对您来说意味着“ paste-and-convert-from-html”，它应该可以工作。

另外，如果您不想考虑要使用哪个粘贴命令，则可以使用以下Linux版本，该版本将在剪贴板上可用时转换HTML，否则将转换为纯文本：

"xclip -o -t TARGETS | grep -q text/html && (xclip -o -t text/html | pandoc -f html -t json | pandoc -f json -t org) || xclip -o"

— 曼科夫
source

一个补充：在转换格式化的嵌入式文本（粗体，斜体，代码等）时，似乎会pandoc自动使用大量不间断空格而不是普通空格orgmode，默认情况下不会识别这些空格。您必须添加（）org-emphasis-regexp-components才能使这些文本在中正确格式化orgmode。

— xji 2015年

值得注意的是，xclip的“发行”版本不支持选项-t；因此xclip必须从github构建。另外，您可能需要通过Pandoc输入和输出通过iconv utf-8

— malcook

xclip也可以在OS X上安装（也许只安装了X11和/或开发人员工具？），因此改进的答案也可以在OS X上使用。

— mankoff

@JIXiang我将如何修改接受的答案，以便将不间断的空格也转换为普通空格？

— incandescentman

@incandescentman我最初修改了org-mode的程序包文件，以使其将不间断的空格识别为分隔符。但是事实证明，版本更改很繁琐。然后，我在pandoc的回购中提出了一个问题，您可以搜索该问题。本质上，您可以在pandoc中使用“过滤器”执行自动替换。但这有时也会失败。所以现在我基本上只是手动选择粘贴的内容并执行替换。我的上一个替补几乎总是这个，所以我只需滚动我的替补历史并申请即可。

— xji