S60系统上的Qreader有一种中文程序罕见的美德：支持UTF-8编码。 于是我经常下载一些人的文集之类，转换为txt文件，在手机上看。 久而久之，发现一个诀窍：
使用Firefox插件DownloadThemAll！， 可以选择的下载一个页面中的所有链接，并且可以指定重命名规则。 例如的汪曾祺文集，就可以指定为：
*name*.*txt*.*ext
这样，原来网站上的020.htm这个文件，到了我的磁盘上就变成了020.看水.htm，其中"看水"就是索引页面中对这个超链接的描述。
下载之后，由于是gb2312编码的，我这样把它们批量转换为utf8编码、并dump出txt文件：
$ ls *.htm |while read file; do base=`echo $file |awk -F"." '{ print $1"."$2 }'` && iconv -f gb2312 -t utf8 $file > tmpfile && sed -i 's/charset=gb2312/charset=utf8/g' tmpfile && w3m -dump -T text/html tmpfile > "$base.txt"; done
我是shell菜鸟！ 不过它的确工作:) 工作过程是：
for each htm file:
-> 取其剔除".htm"后缀的文件名
-> iconv转换为utf8编码，并写入一个tmpfile
-> 调用w3m从这个tmpfile里dump出txt来
菜鸟琢磨出一点点技巧也是很开心的:)
阅读(1550) | 评论(6) | 转发(0) |
