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，在我的例子中，我需要通过 bash 命令行执行此操作。

我可以使用recode之类的工具并运行echo '&' | recode html..utf-8 echo '&' | recode html..utf-8 echo '&' | recode html..utf-8转换为&就好了，但是字符串中有 UTF-8 字符，比如

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

我得到：

Arabic & Ù±ÙÙعÙرÙبÙÙÙÙØ©

这自然不是我需要的。 最后应该是这样的：

Arabic & ٱلْعَرَبِيَّة

有没有办法在没有一堆混乱且看似无穷无尽的正则表达式的情况下做到这一点？ 谢谢

Answer 1

perl 一行代码：

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

需要HTML::Entities模块，它是更大的HTML::Parser包的一部分。 通过操作系统包管理器或最喜欢的 CPAN 客户端安装。