HTML özel varlıklarını Linux'ta standart bir giriş akışından nasıl kolayca dönüştürebilirim?

9

CentOS

HTML özel varlıklarını bir veri akışından dönüştürmenin kolay bir yolu var mı? Bir bash betiğine veri aktarıyorum ve bazen bu veriler özel varlıkları içeriyor. Örneğin:

"test" & amp; test $ test! @ # $% ^ & amp; *

Neden bazı karakterlerin iyi göründüğünden emin değilim, ama diğerleri değil ama ne yazık ki, gelen veriler üzerinde kontrolüm yok.

SED'i burada kullanabileceğimi düşünüyorum ama bu hantal ve muhtemelen yanlış pozitiflere eğilimli gibi görünüyor. Bu tür verilerin kodunu çözmede uzmanlaşmış bir Linux komutu var mı?

— Mike B
kaynak

9

PHP buna çok uygundur. Bu örnek PHP 5 gerektirir:

cat file.html | php -R 'echo html_entity_decode($argn);'

— Michael Hampton
kaynak

14

Perl (her zamanki gibi) senin arkadaşın. Bunun yapacağını düşünüyorum:

perl -n -mHTML::Entities -e ' ; print HTML::Entities::decode_entities($_) ;'

Örneğin:

echo '"test" &amp; test $test ! test @ # $ % ^ &amp; *' |perl -n -mHTML::Entities -e ' ; print HTML::Entities::decode_entities($_) ;'

Çıktı ile:

someguy@somehost ~]$ echo '"test" &amp; test $test ! test @ # $ % ^ &amp; *' |perl -n -mHTML::Entities -e ' ; print HTML::Entities::decode_entities($_) ;'
"test" & test $test ! test @ # $ % ^ & *

— Jason Tan
kaynak

Bu, OSX10.8 dizüstü bilgisayarımda ve bir RHEL5.something ana bilgisayarında çalışır.

— Jason Tan

Dosyanın UTF-8 biçiminde çıktısını almak için binmode: echo "& laquo;" | perl -n -mHTML :: Varlıklar -mutf8 -e 'binmode (STDOUT, ": utf8"); HTML'yi yazdır :: Varlıklar :: decode_entities ($ _); '

— falstaff

6

recode , ana GNU / Linux dağıtımlarının varsayılan paket havuzlarında kullanılabilir. HTML varlıklarını UTF-8'e çözmek için:

…|recode html..utf8

— Skippy le Grand Gourou
kaynak

2

Python 3 ile:

python3 -c 'import html,sys; print(html.unescape(sys.stdin.read()), end="")' < file.html

— ariddell
kaynak

0

Metin dosyasını stdin'den alır:

#!/bin/bash
#
while read lin; do
  newl=${lin//&gt;/>}
  newl=${newl//&lt;/<}
  newl=${newl//&amp;/<}
  # ...other entites
  echo "$newl"
done

Muhtemelen bash> = sürüm 4'e ihtiyaç duyar

— bobom
kaynak