Làm cách nào để chuyển đổi các thực thể html thành văn bản có thể đọc được?

Tôi muốn các thực thể số html như & # x119; và muốn chuyển đổi nó thành nhân vật thực sự. Tôi có email chủ yếu từ Linkedin trông như thế này:

chcia & # x142; abym zaccata & # x107;, czy rozwa & # x17c; a Pan takze udzia & # x142; w nowych projektach w Warszawie? Obecnie poszukujemy specjalisty javascript / architekta z bardzo dobr & # x105; znajomo & # x15b; ci & # x105; Angular.js làm projektu, kt & # xf3; ry dotyczy systemu, s & # x142; u & # x17c; & # x105; cego do Monitorowania i zarz & # x105; dzania flot & # x105; pojazd & # xf3; w. Zesp & # xf3; & # x142;, làm kt & # xf3; rego poszukujemy

Tôi đang sử dụng clawsmail, chuyển sang html không chuyển đổi nó thành văn bản, tôi đã thử sao chép và sử dụng

xclip -o -sel clip | html2text | less

nhưng nó đã không chuyển đổi các thực thể. Có cách nào để văn bản đó sử dụng các công cụ dòng lệnh không?

Cách duy nhất tôi có thể nghĩ đến là sử dụng data:text/html,<PASTE THE EMAIL>và mở nó trong trình duyệt, nhưng thích dòng lệnh hơn.

Với Free recode(trước đây gọi là GNU recode):

recode html < file

Nếu bạn không có recodehoặc HTML::Entitieschỉ cần giải mã &#x<hex>;các thực thể, bạn có thể thực hiện bằng tay với:

perl -Mopen=locale -pe 's/&#x([\da-f]+);/chr hex $1/gie'

Từ Làm cách nào tôi có thể giải mã các thực thể HTML? trên StackOverflow, bạn có thể thực hiện một giải pháp perl đơn giản như

perl -Mopen=locale -MHTML::Entities -pe '$_ = decode_entities($_)' email.txt

ví dụ: sử dụng văn bản mẫu của bạn

$ perl -Mopen=locale -MHTML::Entities -pe '$_ = decode_entities($_)' email.txt
chciałabym zapytać, czy rozważa Pan takze udział w nowych projektach w Warszawie ? Obecnie poszukujemy specjalisty javascript/architekta z bardzo dobrą znajomością Angular.js do projektu, który dotyczy systemu, służącego do monitorowania i zarządzania flotą pojazdów. Zespół, do którego poszukujemy

Với -Mopen=locale, I / O được thực hiện trong bộ ký tự của miền địa phương. Điều đó bao gồm đầu vào từ email.txt. Dường như email.txtchỉ chứa các ký tự ASCII (toàn bộ điểm mã hóa các ký tự đó bằng cách sử dụng &#x<hex>;ký hiệu mà tôi cho là), nhưng nếu không, bạn có thể cần phải điều chỉnh phần trên để giải mã tệp đó bằng cách sử dụng bộ ký tự bên phải (nếu nó không giống với miền địa phương một) thay vì sử dụng open=locale.

Một phiên bản python 3.2+, có thể được sử dụng trong một đường ống:

python3 -c 'import html, sys; [print(html.unescape(l), end="") for l in sys.stdin]' < file

echo -e "\x01\x19" nên làm thủ thuật.