[gelöst] HTML zu TXT

Lieber Besucher, herzlich willkommen bei: Ubuntu-Forum & Kubuntu-Forum | www.Ubuntu-Forum.de. Falls dies Ihr erster Besuch auf dieser Seite ist, lesen Sie sich bitte die Hilfe durch. Dort wird Ihnen die Bedienung dieser Seite näher erläutert. Darüber hinaus sollten Sie sich registrieren, um alle Funktionen dieser Seite nutzen zu können. Benutzen Sie das Registrierungsformular, um sich zu registrieren oder informieren Sie sich ausführlich über den Registrierungsvorgang. Falls Sie sich bereits zu einem früheren Zeitpunkt registriert haben, können Sie sich hier anmelden.

Rob64

User

Beiträge: 3

Registrierungsdatum: 11.10.2007

11.05.2011, 16:41

HTML zu TXT

Hi Leute ich habe folgendes Problem und ich hoffe es hat jemand von euch einen guten Lösungsansatz

Es geht darum aus einem beliebigen HTML File eine TXT Datei zu erstellen.

Eingabe -> HTML

	Quellcode
1	Standard HTML Seite mit Links und Bildern

Ausgabe -> TXT

	Quellcode
1	Standard TXT Datei ohne Bilder Links Videos und sonstiger Formatierung

Am liebsten wäre mir eine Lösung mittels "shell script" oder "Python"

Dieser Beitrag wurde bereits 2 mal editiert, zuletzt von »Rob64« (12.05.2011, 10:10)

Zum Seitenanfang

laserandi

User

Beiträge: 35

Registrierungsdatum: 02.05.2010

Derivat: Xubuntu

Architektur: 32-Bit PC

Andere Betriebssysteme: Trusty Tahr

11.05.2011, 18:03

Hi,
mit Links ginge es so:

	Quellcode
1	curl http://de.wikipedia.org/wiki/Wikipedia:Hauptseite >> wikipedia.txt

ohne braucht man wohl noch etwas mehr code.
Gruß
Andi

Dieser Beitrag wurde bereits 3 mal editiert, zuletzt von »laserandi« (11.05.2011, 18:07)

Zum Seitenanfang

maettu

User

Beiträge: 3 299

Registrierungsdatum: 14.09.2005

Derivat: Xubuntu

Architektur: 64-Bit PC

Desktop: XFCE

11.05.2011, 20:04

@laserandi, das curl Programm hat aber alle HTML-Syntax dringelassen, also nur das gemacht was wget auch kann

@Rob64, wie wärs für dich mit "html2text", lässt sich via apt-get/Synaptic installieren.

Zum Seitenanfang

simonsunnyboy

User

Beiträge: 92

Registrierungsdatum: 14.11.2008

Derivat: Ubuntu

Architektur: 64-Bit PC

Desktop: GNOME 2.x

11.05.2011, 20:57

lynx -dump $URL kann ebenfalls nach Text konvertieren. Allerdings werden alle Links im Dokument mit [1] etc durchnummeriert und am Ende entsprechend wie Fussnoten gelistet.

Sieht etwa so aus:

Quellcode

$ lynx -dump http://www.google.de/

   ____________________________________________________________
   ____________________________________________________________
   ____________________________________________________________
   ____________________________________________________________

   Web [1]Bilder [2]Videos [3]Maps [4]News [5]Shopping [6]E-Mail [7]Mehr »
   [8]iGoogle | [9]Einstellungen | [10]Anmelden

   [11]117. Geburtstag von Martha Graham


   _________________________________________________________
   Google-Suche Auf gut Glück! [12]Erweiterte Suche[13]Sprachoptionen

   [14]Werben mit Google[15]Unternehmensangebote[16]Über
   Google[17]Google.com in English

                          © 2011 - [18]Datenschutz

Verweise

   1. http://www.google.de/imghp?hl=de&tab=wi
   2. http://video.google.de/?hl=de&tab=wv
   3. http://maps.google.de/maps?hl=de&tab=wl
   4. http://news.google.de/nwshp?hl=de&tab=wn
   5. http://www.google.de/prdhp?hl=de&tab=wf
   6. http://mail.google.com/mail/?hl=de&tab=wm
   7. http://www.google.de/intl/de/options/
   8. http://www.google.de/url?sa=p&pref=ig&pval=3&q=http://www.google.de/ig%3Fhl%3Dde%26source%3Diglk&usg=AFQjCNFjfPavRPBJrOKJS3MB2uzhpfN6zw
   9. http://www.google.de/preferences?hl=de
  10. https://www.google.com/accounts/ServiceLogin?hl=de&continue=http://www.google.de/
  11. http://www.google.de/search?q=Martha+Graham&ct=graham11-hp&oi=ddle
  12. http://www.google.de/advanced_search?hl=de
  13. http://www.google.de/language_tools?hl=de
  14. http://www.google.de/intl/de/ads/
  15. http://www.google.de/services/
  16. http://www.google.de/intl/de/about.html
  17. http://www.google.com/ncr
  18. http://www.google.de/intl/de/privacy.html

Grüße,
ssb

Rock'n'Roll is the thing - Jerry Lee is the king! :thumbsup: