¿Cómo puedo convertir fácilmente entidades especiales HTML de un flujo de entrada estándar en Linux?

Solución 1:

Perl es (como siempre) tu amigo. Creo que esto funcionará:

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

Por ejemplo:

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

Con salida:

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

Solución 2:

PHP se adapta bien a esto. Este ejemplo requiere PHP 5:

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

Solución 3:

recode parece estar disponible en los repositorios de paquetes predeterminados de las principales distribuciones de GNU/Linux. P.ej. para decodificar entidades HTML en UTF-8:

…|recode html..utf8

Solución 4:

Con Python 3:

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