perl实现HTML2TXT中文转换

Perl实现HTML2TXT中文转换

use HTML::TreeBuilder;
use HTML::FormatText;
  
open OUTPUT,">output.txt";
$file = "C:/test.html";
$tree = HTML::TreeBuilder->new->parse_file("$file");
  
$formatter = HTML::FormatText->new(leftmargin => 3, rightmargin => 100);
print OUTPUT $formatter->format($tree) ; 
close OUTPUT;

 

1、若执行脚本时，提示Can't locate HTML/FormatText.pm in @INC (@INC contains: C:/Perl/lib C:/Perl/site/lib .)

解决方法：

1) 安装HTML::FormatText模块，安装成功后，运行脚本

2）若安装后，仍然有该错误提示，检查C:/Perl/site/lib/HTML或C:/Perl/lib/HTML目录下是否存在FormatText.pm文件，若不存在，将HTML-Format-2.10\lib\HTML目录下的.pm文件拷贝到C:/Perl/site/lib/HTML或C:/Perl/lib/HTML目录后执行脚本

 

2、若生成的中文中有乱码，将C:\Perl\site\lib\HTML\FormatText.pm中下列语句注释掉

#$text =~ tr/\xA0\xAD/ /d;  #将A0和AD对应的字符值á和 <<替换成空