html - bash：将 html 实体转换为 UTF-8，但保留现有的 UTF-8

Question

就像这个问题一样，我需要将 html 实体（例如&）转换为 UTF-8（&），同时忽略其他 UTF-8 字符。不同之处在于，就我而言，我需要通过 bash 命令行执行此操作。

我可以使用类似recodeand run之类的工具，echo '&' | recode html..utf-8它可以转换为&就好了，但是在字符串中使用 UTF-8 字符，例如

echo 'Arabic & ٱلْعَرَبِيَّة' | recode html..utf-8

我得到：

Arabic & Ù±ÙÙعÙرÙبÙÙÙÙØ©

当然，这不是我需要的。最后应该是这样的：

Arabic & ٱلْعَرَبِيَّة

有没有办法做到这一点，而不需要一堆凌乱且看似无穷无尽的正则表达式？谢谢

标签： htmlbashcommand-lineutf-8

Answer 1

perl 单行：

$ echo 'Arabic & ٱلْعَرَبِيَّة' | perl -CS -MHTML::Entities -ne 'print decode_entities($_)' 
Arabic & ٱلْعَرَبِيَّة

需要HTML::Entities模块，该模块是较大的HTML::Parser包的一部分。通过您的操作系统包管理器或最喜欢的 CPAN 客户端安装。