中国DOS联盟论坛 - Powered by Discuz! Board

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

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

作者: electronixtar 时间: 2006-11-28 09:06

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 ]

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

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。

作者: electronixtar 时间: 2006-11-28 23:39

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

作者: lotus516 时间: 2006-11-29 01:35

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!!!

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

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 ]

作者: electronixtar 时间: 2006-11-30 07:15

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 ]

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