标题: [分享]命令行下网页转文本的超强工具 [打印本页]
作者: 无奈何 时间: 2006-11-27 11:48 标题: [分享]命令行下网页转文本的超强工具
命令行下网页转文本的超强工具
软件名：HtoX32c
这是 HtoX32 的命令行版本，具有很强的可定制功能，转换效果非常理想。我用过很多 html2txt 类的软件这是唯一一款转换效果让我满意的软件。这是小鬼子的作品，所以界面是日文的。我参照 HtoX32 汉化版及使用体会汉化了一下。不过不是现在汉化的，是很久以前弄的，刚刚让我从箱底翻出来。我不懂日文，又为了凑字节，所以汉化质量非常差。汗一下自己，这样的东西也敢贴出来。使用的时候一定注意加 /IP 参数不做编码转换，否则转换出来的东西谁也看不懂了。希望推荐的这个软件能给大家在整理网页资料时带来一点方便。
附件 1:HtoX32c.zip (2006-11-27 11:48, 63.34 K, 下载附件所需积分 1点 ,下载次数： 560)
作者: redtek 时间: 2006-11-27 12:24
感谢版主提供这么好的工具，下载收藏～：）
作者: lxmxn 时间: 2006-11-27 12:43
恩，是不错啊，还有这么多参数可以用呢，感谢版主"尘封"的小工具，呵呵~
作者: vkill 时间: 2006-11-27 23:02
转换完是乱码怎么？还是喜欢 wget+sed ,觉得html标签有时候真有用
作者: 无奈何 时间: 2006-11-27 23:24
RE vkill
关于乱码顶楼帖子已经提及，一定要加 /IP 参数。
HtoX32c 与 sed、awk 等的处理各有侧重的，前者适合整篇文章转换，后者适合部分信息的提取。如果 HTML 标签被拆分到多行，用 sed 等处理会稍微麻烦一些。
作者: vkill 时间: 2006-11-27 23:32
| Quote: | |
|
HTML 标签被拆分到多行这确实是问题，sed处理的时候真不好弄~呵呵~是各有侧重
作者: electronixtar 时间: 2006-11-28 09:06
| Quote: | |
|
个人觉得还是用IE来作这种体力活的好，保证效果和用户在IE里看到的一样
htm2txt.vbs
set oDOM = WScript.GetObject(WScript.Arguments(0))
do until oDOM.readyState = "complete"
WScript.sleep 200
loop
WScript.Echo oDOM.Body.InnerText
使用实例：do until oDOM.readyState = "complete"
WScript.sleep 200
loop
WScript.Echo oDOM.Body.InnerText
转换 .chm 里的网页到txt
cscript //NoLogo //e:vbscript htm2txt.vbs ms-its:C:\WINDOWS\Help\ntcmds.chm::/ntcmds.htm > "%UserProfile%\桌面\Nt命令行.txt"
转换URL到txt
cscript //NoLogo //e:vbscript htm2txt.vbs http://www.Google.com > "%UserProfile%\桌面\Google首页.txt"
转换html文件到txt
cscript //NoLogo //e:vbscript htm2txt.vbs D:\test.htm > D:\test.txt
注意：此处的 D:\test.htm必须写 完整的全部路径
[ Last edited by electronixtar on 2006-11-28 at 11:38 PM ]
作者: lxmxn 时间: 2006-11-28 10:37
不错，给兄弟加分咯~
作者: lotus516 时间: 2006-11-28 12:04
为什么我用electronixtar的脚本出了错!!cmd显示见附件!!!!
作者: lxmxn 时间: 2006-11-28 12:48
| Quote: | |
|
仔细检查你的文件名和路径，以及文件是否存在，路径是否有空格，你就知道答案了。
作者: electronixtar 时间: 2006-11-28 23:39
| Quote: | |
|
忘记说了，不支持相对路径
作者: lotus516 时间: 2006-11-29 01:35
| Quote: | |
|
这就奇了,我的路径没有空格,是绝对路径,文件也存在,就是错!!!还是见附件!!!!我截了出错的屏和路径!!!
作者: 无奈何 时间: 2006-11-30 01:33
RE electronixtar
谢谢兄的 VBS 脚本，我也知道 VBS 的强大，只能寄希望于以后学习了。VBS 处理字符的速度怎么这么慢。
作者: electronixtar 时间: 2006-11-30 07:06
| Quote: | |
|
不是vbs慢，是IE载入速度慢。那几句是调用的IE的内核 mshtml.dll 来解析的
[ Last edited by electronixtar on 2006-11-30 at 07:19 AM ]
作者: electronixtar 时间: 2006-11-30 07:15
re lotus516
| Quote: | |
|
可以试试 file://E:/电子书/1/0001.htm 这样的形式。看你的 htm 文件的图标，猜测你是改过 htm 文件关联的，可能会对代码的效果产生一定的影响。
[ Last edited by electronixtar on 2006-11-30 at 07:18 AM ]
附件 1:cmd.JPG (2006-11-30 07:16, 32.45 K, 下载附件所需积分 1点 ,下载次数： 12)
作者: HUNRYBECKY 时间: 2006-12-3 02:51
无奈何斑竹的东西不错，我在YAHOO看到了他的SENDTO+全是批处理编写的，不错哈。不知道使用什么加密的，能否告诉我？因为你的加密好象没有什么效果。
cls
:::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::
:: SendTo+ -V0.1 --TextToClip.cmd
:: 无奈何@cn-dos.net - 2006-8-18 - mail:wunaihe@gmail.com
:::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::
@echo off
setlocal
if not DEFINED SendTo+ call :parent "%~dp0..\"
type "%~f1" | "%Sendto+%\CMD\winclip.exe" -c
goto :EOF
:parent
::获取文件父目录
set "SendTo+=%~dp1"
set "SendTo+=%SendTo+:~0,-1%"
goto :EOF
作者: mqycn 时间: 2007-4-6 09:18 标题: 好咚咚
好咚咚啊
作者: flandy 时间: 2007-4-28 22:47
very good
作者: sunjiang0 时间: 2007-5-12 05:26
不知道有什么用啊
作者: honghunter 时间: 2007-5-12 09:39
这个绝对是好东东，解决了我之前遇到的大问题。
不过楼上的几位，这样翻帖子，真有点奇怪。
作者: ddjk 时间: 2007-7-12 23:13
感谢版主提供这么好的工具
作者: zyfcxp 时间: 2007-9-7 18:26
感谢版主提供这么好的工具
作者: cooray 时间: 2007-9-8 22:40
果然不错,真是太感谢了^_^
作者: 952268849 时间: 2009-1-27 23:30 标题: 不错
不错
作者: liu3157551 时间: 2010-1-5 12:53
搜索到的好东西。收藏了
作者: sexfio 时间: 2010-1-15 01:53
On Error Resume Next
sTitle="html2txt"
GetHtmlFileName: '输出：HtmlFileName，包含文件完整路径
'从参数或对话框获得文件
If WScript.Arguments.Count=0 Then
Set objDialog = CreateObject("UserAccounts.CommonDialog")
objDialog.Filter = "HTML源文件件|*.html;*.htm|所有文件|*.*"
objDialog.ShowOpen
HtmlFileName = objDialog.FileName
If len(HtmlFileName)=0 Then
wscript.Quit
End If
Else
If Len(WScript.Arguments(0).Length)> 3 Then
HtmlFileName = WScript.Arguments(0)
End If
End If
'验证文件是否有效
Set fso =CreateObject("scripting.FileSystemObject")
If fso.FileExists(HtmlFileName)=False Then
MsgBox "文件不存在！",vbOKOnly, sTitle
WScript.Quit
End If
If Not left(fso.GetFile(HtmlFileName).Type ,4) = "HTML" Then
MsgBox "请不要选择一个非HTML文件！",vbOKOnly, sTitle
WScript.Quit
End If
Set HtmlFile=fso.GetFile(HtmlFileName)
ConvertHtmlToTxt:
'获取文件扩展名
i=ubound(split(HtmlFileName,"."))
ext=split(HtmlFileName,".")(i)
SaveName=Left (HtmlFileName,Len(HtmlFileName)-Len(ext)-1)
Set oHtml=CreateObject ("internetexplorer.application")
oHtml.Navigate HtmlFileName
oHtml.Document.execCommand "saveas","true",SaveName & ".txt"
oHtml.Quit
WScript.Quit
作者: fresco 时间: 2010-1-30 21:35
正需要这个工具。谢谢分享
作者: szoyj 时间: 2010-1-31 16:40
好东西，谢谢啊~
作者: huangyushun 时间: 2010-2-1 20:52
我草 最近无聊死
作者: gshccr 时间: 2010-6-25 20:48
支持一下啦!
作者: csanycall 时间: 2010-7-12 10:03
赞一个先，感觉还是不错滴
作者: pdanniel66 时间: 2010-7-13 05:27
What is the difference from curl ? download and test it thanks .
作者: moonatoffice 时间: 2010-10-13 18:09
下回来看看,好不好用
作者: 2261385 时间: 2010-10-13 21:09 标题: 挥长感谢
真的要谢谢你 我找了好久
作者: jxliuzj 时间: 2010-10-15 16:14
不错，下下来试试
作者: liuke474678380 时间: 2010-11-12 09:58 标题: 命令行下网页转文本的超强工具
非常不錯 ！
作者: lb369 时间: 2010-11-22 15:26
楼主真是好人,发这么好的东西.
作者: anxin 时间: 2010-12-1 10:51
不错，下下来试试