使用w3m转储html源代码会产生意外的字符/符号

作为w3m的新用户，我正在尝试做一些基本的工作，如：

w3m -dump_source nytimes.com > nytimes.html

产生的输出给出了疯狂的字符和符号。但是，当我使用

w3mnytimes

浏览时，它会正确加载，我甚至可以使用

v

查看HTML

此外，当我尝试：

w3m -dump_extra nytimes.com > nytimes.html

除了HTML源代码外，我完全可以获得与该站点相关的所有额外信息

任何帮助都将不胜感激。

默认情况下，w3m通过发送以下HTTP头从服务器请求压缩输出：

Accept-Encoding: gzip, compress, bzip, bzip2, deflate

标头的值可能因w3m的版本而异，但事实上，最新版本的程序使用

Accept Encoding

标头从主机请求压缩输出。您可以使用以下命令找到确切的标题：

w3m -dump_source -reqlog nytimes.com > /dev/null

请求和响应头将被记录到

~/.w3m/request.log

文件中

您可以通过如下方式覆盖标头来请求未压缩版本：

w3m -dump_source nytimes.com -o accept_encoding='identity;q=0'

甚至

w3m -dump_source nytimes.com -o accept_encoding='*;q=0'

或者，通过管道对输出进行解压缩：

w3m -dump_source nytimes.com | gunzip -f

如果输入数据不是gunzip识别的格式，则

-f

选项会使gunzip复制输入数据而不更改标准输出。根据文档，您还应该传递

--stdout

选项，但是管道命令应该将结果打印到标准输出，即使没有此选项

---

注意，服务器可能会使用

bzip2

中压缩的内容进行响应。在这种情况下，您可以通过

bunzip2-f

命令来传输输出。

非常感谢Ruslan。一切都很顺利。一个后续问题…有没有办法暂停w3m加载页面源代码5秒钟。有些网站的加载速度不足以捕获html。Tx.@user1311034，你是说连接/读取超时吗？我在w3m中找不到这样的选项。如果需要设置超时，可以使用支持

--timeout

、

--dns timeout

、

--read timeout

和

--connect timeout

选项的

wget

工具。如果答案解决了问题，请接受它。