如果我在网页上尝试 wget，我会得到 html 页面。是否可以只检索没有关联 html 的文件文本？ （这对我来说是必需的，因为一些包含 c 程序的 HTML 页面是通过 html 标签下载的。我必须在浏览器中打开它并手动复制文本以制作 .c 文件。）
答案1
wget只会检索文档。如果文档是 HTML 格式，那么您想要的是解析文档的结果。
例如，lynx -dump -nolist如果您周围有山猫，您可以使用 。
lynx是一个轻量级、简单的网络浏览器，它具有-dump用于输出解析过程的结果的功能。-nolist避免最后出现链接列表，如果页面有任何超链接，则会出现该链接列表。
正如@Thor 提到的，elinks也可以用于此目的，因为它还有一个-dump选项（并且必须-no-references省略链接列表）。如果您使用 -sigh-frames (MTFBWY) 走过某些站点，它可能特别有用。
另外，请记住，除非页面实际上只是带有 HTML 标记的 C 代码，否则您需要检查结果，以确保那里除了 C 代码之外什么都没有。
答案2
如果您没有安装这些其他工具，只安装了 wget，并且页面没有格式，只有纯文本和链接，例如源代码或文件列表，您可以使用 sed 剥离 HTML，如下所示：
wget -qO- http://address/of/page/you/want/to/view/ | sed -e 's/<[^>]*>//g'
这使用 wget 将页面源转储到 STDOUT，并使用 sed 删除任何 < > 对以及它们之间的任何内容。
然后，您可以使用 > 将 sed 命令的输出重定向到要创建的文件：
wget -qO- http://.../ | sed -e 's/<[^>]*>//g' > downloaded_file.txt
注意：您可能会发现文件中有您不想要的额外空格（例如，行缩进了几列）
使用文本编辑器整理文件可能是最简单的（或者在下载 C 源代码时使用源格式化程序）。
如果您需要对文件的每一行执行相同的简单操作，您可以在 sed 命令中包含一个命令来执行此操作（此处删除一个前导空格）：
wget -qO- http://.../ | sed -e 's/<[^>]*>//g;s/^ //g' > downloaded_stripped_file.txt
答案3
只是为了添加另一个工具。我更喜欢w3m，它是一个lynx类似控制台的浏览器。您可能想查看系统上已有的功能。
w3m -dump website.html