中国DOS联盟

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。

感谢版主提供这么好的工具，下载收藏～：）

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

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。

Originally posted by 无奈何 at 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〠...

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

如果 HTML 标签被拆分到多行，用 sed 等处理会稍微麻烦一些。

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：
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 ]

为什么我用electronixtar的脚本出了错!!cmd显示见附件!!!!

Originally posted by lotus516 at 2006-11-28 12:04:
为什么我用electronixtar的脚本出了错!!cmd显示见附件!!!!

　　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。

为什么我用electronixtar的脚本出了错!!cmd显示见附件!!!!


　　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。

忘记说了，不支持相对路径

Originally posted by lxmxn at 2006-11-28 12:48:


　　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。

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!!!

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。

VBS 处理字符的速度怎么这么慢

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 ]

re lotus516

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!!!

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 ]