[已解决]如何批处理html转换为txt主要是要去除html里面的标签源码

bbaatt

本意是用来整理下载的小说
大家见笑了
主要是因为下载的小说是html格式里面的标签源码太多
想删掉里面html的标签，这样阅读起来才比较方便！
同时除了删除必要的html标签源码之外，原来html文章里面的一些网址是否也可以指定删除掉呢因为明显是广告啊！
谢谢大家
谢谢那个工具!
谢谢bat论坛
谢谢tmplinshi斑竹

cjiabing

提供个链接或范本

tmplinshi

把网页文件转换为纯文本的工具HtoX32c
http://www.bathome.net/thread-1974-1-1.html

bbaatt

回复 3# tmplinshi


    提示

错误:不能打开文件 →.html

请问应该将这个HtoX32c.exe放在哪里呢?
然后在cmd里面输入需要具体路径吗?否则怎么知道转换哪里的html呢
比如我html放在d:\a\文件夹里面

tmplinshi

转换一个文件：

1. HtoX32c.exe /Ip /O0 d:\a\a.html

复制代码

转换所有文件：

1. HtoX32c.exe /Ip /O0 d:\a\*.html

复制代码

转换后的 txt 在 html 所在目录。

CrLf

不想用第三方的话，也可以用 vbs 或 js：

1. @echo off
   
2. more +4 %0>innertext.vbs
   
3. for %%a in (*.htm) do cscript /nologo innertext.vbs "%%~fa">"%%a.txt"
   
4. pause&exit
   
5. 
   
6. set ie = GetObject(WScript.Arguments(0), "htmlfile")
   
7. Do Until ie.readyState="complete" : WScript.Sleep 1 : Loop
   
8. WScript.echo ie.documentelement.innertext

复制代码

tmplinshi

回复 6# CrLf


   

e:\我的文档\桌面\innertext.vbs(2, 1) (null): 灾难性故障

请按任意键继续. . .

CrLf

回复 7# tmplinshi


    没注意 getobject 不支持相对路径，已修改