将多个HTML解析为文本并重命名为父目录

在一个目录中有很多文件夹.html里面，我希望所有HTML解析为新的.txt与父目录的名称。

Example1 / Index.html> Example1.txt

Example2 / Index.html> Example2.txt

显然，您希望将一些HTML页面转换为纯文本。因此，我不会使用自定义构建的解决方案剥离标记（例如，使用一些sed魔法），但是使用为此目的设计的工具，如html2text ; 从其网页：

html2text是一个Python脚本，它将HTML页面转换为干净，易于阅读的纯ASCII文本。更好的是，ASCII也恰好是有效的Markdown（文本到HTML格式）。

要解决批量重命名的问题：

find . -maxdepth 1 -type d -print0 | while IFS= read -r -d '' dirname
 do python path/to/html2text/html2text.py "${dirname}/index.html" > "${dirname}/${dirname}.txt"
done

这里find命令列出了仅位于当前目录中的所有目录（即不是递归的），而read命令（在while条件中）将值赋给变量$dirname。最后，执行do和doneget （s）之间的命令，这里它根据您的请求转换文件。正如@slhck所指出的，你需要使用这样一个复杂的命令，这样带有空格的dirnames就不会破坏任何东西。

[编辑]：转换当前目录下所有HTML文件的另一种变体：

find . -iname "*.html" -print0 | while IFS= read -r -d '' filename
  do python path/to/html2text/html2text.py "${filename}" > "${filename%.*}.txt"
done

iname搜索情况下我 nsensitive了*.html。

${filename%.*}.txt剥离延伸并附加.txt，即如果filename是some/path/index.html，${filename%.*}是some/path/index，最后${filename%.*}.txt是some/path/index.txt。

当您使用Z shell时，您可以使用更清洁的for循环，而不会在白色空间制动：

for i (*(/)) python path/to/html2text/html2text.py "${i}/index.html" > "${i}/${i}.txt"

这里的诀窍是*(/)文件名生成，但只返回目录(/)。

[编辑]：同样在zsh语法中变换转换当前目录下的所有HTML文件（需要设置选项EXTENDEDGLOB）：

for i ((#i)**/*.html) {
   python path/to/html2text/html2text.py "$i" > "${i:r}.txt"
}

(#i)使用情况我 nsensitive匹配，一种**递归搜索，因此返回当前工作目录下的所有HTML文件。（如果应遵循符号链接，请使用三颗星***代替两颗星）。

如果在for循环中有多个命令，请使用大{ ... }括号（这里不必要，但它们不会受到伤害）。

${i:r}从变量中剥离扩展（r表示删除）$i。