ÜBERSICHT
html2pdbtxt [ -bZeichen ] [ -tTitel ] [ -uURL ] Datei.htm [ Datei.txt ]html2pdbtxt -v
BESCHREIBUNG
html2pdbtxt wandelt HTML- in Textdateien um, die für eine weitere Umwandlung in eine Doc(4)-Datei mittels txt2pdbdoc(1) geeignet sind. Wenn kein Dateiname für die Textdatei angegeben wird, erfolgt die Ausgabe des Textes auf die Standardausgabe.HTML Tags
Folgende HTML-Tags (und die entsprechenden End-Tags) werden erkannt: ADDRESS, A~NAME, BLOCKQUOTE, BR, CENTER, DIV, DL, DT, H1, H2, H3, H4, H5, H6, OL, OPTION, PRE, P, SELECT, SCRIPT, STYLE, TABLE, TITLE, UL. Es wird versucht, die Attribute so gut wie möglich in die Vorgaben des Doc(4)-Formats umzusetzen, das im wesentlichen Klartext ist. Der Text des ALT-Attributs (meist in g(CWIMG-Tags) wird zwischen Klammern in den Text eingebettet. [so z. B.]. Alle anderen HTML-Tags werden entfernt.Zeichen
Umschreibungen für HTML-Zeichen und numerische Zeichen (dezimal und hexadezimal) werden in ihren Wert im Zeichensatz ISO 8859-1 (Latin 1) umgewandelt, damit sie korrekt im Pilot erscheinen. Zum Beispiel: aus ``résumé'' wird ``resume'' mit einem betonten 'e'.Dokumenttitel
Wenn nicht schon mit der Option -t angegeben, wird die HTML-Datei nach den Tags <TITLE> und </TITLE> durchsucht und, wenn gefunden, wird der Titel in die erste Zeile des erzeugten Textes gesetzt.Lesezeichen
Lesezeichen werden in den erzeugten Text immer dort eingesetzt, wo ein <A~NAME="..."> Tag in der HTML-Datei gefunden wurde.OPTIONEN
- -b Zeichen
- Angabe der Zeichenfolge, die als Lesezeichen-Kennung verwendet wird. Standard ist (*). (Siehe BESONDERHEITEN.)
- -t Titel
- Angabe des Dokumenttitels, der in die erste Zeile des erzeugten Textes eingesetzt wird und Titel, die in der HTML-Datei zwischen <TITLE> ... </TITLE> Tags gefunden wurden, überschreibt.
- -u URL
- Angabe der URL von der die HTML-Datei angeblich stammt; sie wird in die Zeile nach dem Titel des erzeugten Textes eingesetzt.
- -v
- Schreibt die Versionsnummer von html2pdbtxt auf die Standardausgabe und beendet sich.
BEISPIEL
Umwandlung einer HTML-Datei in Doc:
- html2pdbtxt -u http://www.wonderland.org/ alice.html alice.txt txt2pdbdoc "`head -1 alice.txt`" alice.txt alice.pdb
BESONDERHEITEN
- 1.
- Einige Doc-Leseprogramme haben eine ``Funktion'', beim Suchen nach der Lesezeichenkennung diese Zeichenfolge überall im Text zu erkennen, nicht nur am Zeilenanfang.
- 2.
- Bei einigen Doc-Leseprogrammen darf die Lesezeichenkennung nicht das Zeichen > enthalten, weil es als Endezeichen der Kennung verwendet wird, z. B. <->> wird lediglich als Folge - erkannt.
- 3.
- Nummerierte Listen (mit dem Tag OL) werden als unnummerierte Listen umgesetzt (wie mit dem Tag UL), weil es so kompliziert wäre, dass es richtig ausgewertet werden müsste, statt nur eine einfache Ersetzung auszuführen.