Lahor Asked: 2022-03-15 03:08:41 +0800 CST2022-03-15 03:08:41 +0800 CST 2022-03-15 03:08:41 +0800 CST 如何将 HTML 文件下载为纯文本？[复制] 772 如果一个人下载一个网页，curl或者wget它以 html 的形式出现。 但是，如果我希望将其下载为纯文本（即没有任何 HTML 解析），完全或几乎完全像在 Web 浏览器中清楚地读取它（当然省略任何图像/视频/音频），那将是一种方法要做到这一点？ download 2 个回答 Voted Best Answer Marcus Müller 2022-03-15T03:25:49+08:002022-03-15T03:25:49+08:00 你不能下载它，它在服务器上不存在。服务器发送 HTML，浏览器的工作是显示它。其中一部分（可以）是显示文本。 事实上，许多网页是相当空的，并在您阅读时加载相关内容。 因此，您需要的是一个工作浏览器，它显示您的文本，然后您需要获取该文本。 您通常会通过从脚本语言实际远程控制浏览器来做到这一点：您以特殊的“守护程序”模式启动浏览器，连接到它，并使用特制的浏览器控制界面（WebDriver）告诉它转到一个 URL，等待一秒钟让浏览器正常呈现您在屏幕上看到的内容，然后告诉它保存为纯文本文件。 frabjous 2022-03-15T07:07:53+08:002022-03-15T07:07:53+08:00 就个人而言，我会为此使用pandoc。 pandoc -t plain 'https://example.com/something/' 要保存到文件： pandoc -t plain 'https://example.com/something/' -o output.txt 显然，这只适用于大多数不依赖 javascript 填充页面的文本网站。
你不能下载它，它在服务器上不存在。服务器发送 HTML，浏览器的工作是显示它。其中一部分（可以）是显示文本。
事实上，许多网页是相当空的，并在您阅读时加载相关内容。
因此，您需要的是一个工作浏览器，它显示您的文本，然后您需要获取该文本。
您通常会通过从脚本语言实际远程控制浏览器来做到这一点：您以特殊的“守护程序”模式启动浏览器，连接到它，并使用特制的浏览器控制界面（WebDriver）告诉它转到一个 URL，等待一秒钟让浏览器正常呈现您在屏幕上看到的内容，然后告诉它保存为纯文本文件。
就个人而言，我会为此使用pandoc。
pandoc -t plain 'https://example.com/something/'要保存到文件：
pandoc -t plain 'https://example.com/something/' -o output.txt显然，这只适用于大多数不依赖 javascript 填充页面的文本网站。