如何在Linux中轻松地从标准输入流转换HTML特殊实体？

9

CentOS的

有没有简单的方法可以从数据流转换HTML特殊实体？我将数据传递到bash脚本，有时该数据包括特殊实体。例如：

“测试”和测试$ test！测试@＃$％^＆amp; *

我不确定为什么某些字符显示正常而其他字符却显示不正常，但是不幸的是，我无法控制传入的数据。

我想我也许可以在这里使用SED，但这似乎很麻烦，而且容易出现误报。我可以通过管道传输到专门解码此类数据的Linux命令吗？

— 迈克·B
source

9

PHP非常适合于此。此示例需要PHP 5：

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

— 迈克尔·汉普顿
source

14

Perl（一如既往）是您的朋友。我认为这可以做到：

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

例如：

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

输出：

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

— 贾森·谭（Jason Tan）
source

这适用于我的OSX10.8笔记本电脑和RHEL5.something主机。

— 詹森·谭

为了以UTF-8输出文件，请使用binmode：echo“＆laquo;” | perl -n -mHTML :: Entities -mutf8 -e'binmode（STDOUT，“：utf8”）; 打印HTML :: Entities :: decode_entities（$ _）;'

— falstaff

6

在主要GNU / Linux发行版的默认软件包存储库中似乎可以使用recode。例如，将HTML实体解码为UTF-8：

…|recode html..utf8

— Skippy le Grand Gourou
source

2

使用Python 3：

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

— 阿里德尔
source

0

从标准输入中获取文本文件：

#!/bin/bash
#
while read lin; do
  newl=${lin//&gt;/>}
  newl=${newl//&lt;/<}
  newl=${newl//&amp;/<}
  # ...other entites
  echo "$newl"
done

它可能需要bash> =版本4

— bo
source