如果一个人下载了一个带有curl或 的网页wget，它就会变成 html。
但是，如果我希望以纯文本形式下载它（即没有任何 HTML 解析），则完全或几乎完全如此清楚地读在网络浏览器中（当然省略任何图像/视频/音频），有什么方法可以做到这一点？
答案1
你无法下载它，它不存在于服务器上。服务器发送 HTML，浏览器的工作是显示它。其中一部分（可以）是显示文本。
事实上，许多网页相当空，并在您阅读时加载相关内容。
因此，您需要一个可以工作的浏览器，它可以显示您的文本，然后您需要获取该文本。
通常，您可以通过从脚本语言实际远程控制浏览器来做到这一点：以特殊的“守护程序”模式启动浏览器，连接到它，并使用专门设计的浏览器控制界面（WebDriver）告诉它转到一个 URL，等待一秒钟让浏览器正常呈现您在屏幕上看到的内容，然后告诉它保存为纯文本文件。
答案2
就我个人而言，我会使用潘多克为了那个原因。
pandoc -t plain 'https://example.com/something/'
要保存到文件：
pandoc -t plain 'https://example.com/something/' -o output.txt
显然，这只适用于不依赖 javascript 填充页面的大多数文本网站。