用 sed 或 awk 可快速将纯文本转基础 HTML：sed 命令每行加 标签；awk 更适合空行分段；中文建议用 gawk；带简单格式用 pandoc 并注意编码与模板选项；Python 必用 html.escape() 防 XSS；避免 document.write 等前端方案。
用 sed 或 awk 快速转纯文本为基础 HTML
纯文本文档（比如 README.txt、日志片段）没有结构标记，直接套 <p></p> 和换行是最轻量的转化方式。别想用 Markdown 解析器——那属于过度设计。
常见错误是手动加标签，或者写 Python 脚本处理 3 行文本，反而卡在环境依赖上。
- Linux/macOS 终端里，
sed 's/^/<p>/; s/$//' input.txt > output.html</p>就能给每行包一层段落标签 - 如果原文有空行分段，用
awk '/^$/ {print "<p>"; next} {print}' input.txt | sed '1s/^/</p> <p>/; $s/$//' > output.html</p><div class="aritcle_card flexRow"> <div class="artcardd flexRow"> <a class="aritcle_card_img" href="/xiazai/skill10246" title="HTML Text Extract"><img src="https://img.php.cn/upload/skill/001/246/273/6adaf20dee630206.jpg" alt="HTML Text Extract" ></a> <div class="aritcle_card_info flexColumn"> <a href="/xiazai/skill10246" title="HTML Text Extract">HTML Text Extract</a> <p>从HTML页面（URL、文件或标准输入）中提取主体内容文本，去除导航、页脚、广告和模板文本。可直接传递给readability_check或其他文本工具。</p> </div> <a href="/xiazai/skill10246" title="HTML Text Extract" class="aritcle_card_btn flexRow flexcenter"><b></b><span>下载</span> </a> </div> </div> -
awk比sed更适合识别空行逻辑，但注意 macOS 自带的awk对 Unicode 支持弱，中文可能乱码，优先用gawk
用 pandoc 处理带简单格式的文本（标题/列表/代码块）
如果你的文本里有 # 标题、- 列表项 或缩进四格的代码段，pandoc 是唯一靠谱的通用方案。它不挑输入格式，但默认输出会带完整 HTML 模板，容易踩坑。
立即学习“前端免费学习笔记（深入）”；
- 只想要 body 内容？必须加
--standalone=false --template=（空模板），否则生成带的全页 - 输入是纯文本但想当 Markdown 解析：用
pandoc -f markdown -t html input.txt -o output.html，不能省略-f markdown，否则它按纯文本处理，忽略所有 # 和 - - 中文 Windows 用户常遇到编码错误：
pandoc默认读 UTF-8，而记事本保存的 ANSI 文本会崩，先用iconv -f GBK -t UTF-8 input.txt | pandoc -f markdown -t html > output.html
Python 用 html.escape() 防 XSS，不是用 str.replace()
手写脚本时最容易犯的错：把 直接替换成 <code><，结果 & 又被二次转义成 &，页面显示一堆 "。这是典型未区分原始内容与 HTML 实体的后果。
- 永远用标准库
html.escape()处理用户文本：from html import escape; escaped = escape(line) - 别自己写正则替换
/<code>>/&，html.escape()已处理引号和 Unicode 边界情况 - 如果后续还要插入到
<pre class="brush:php;toolbar:false;"></pre>里，记得保留换行符：用escaped.replace('\n', '<br>')，而不是让浏览器自动折行
为什么不用浏览器 DOM API（document.write）在线转换
有人试过把文本扔进 iframe 用 document.write 渲染，看似简单，实际掉进兼容性和安全限制的坑里。
- 现代浏览器对
document.write在 defer/script async 场景下直接禁用，控制台报DOMException: document.write() is not available - 跨域或 file:// 协议下，iframe 会触发 CORS 或读取限制，连本地测试都失败
- 即便跑通，也无法控制输出是否带样式、meta、doctype——你拿到的是一整页渲染结果，不是可嵌入的 HTML 片段
真正要嵌入网页的，老实用后端或构建时处理；临时预览，就开个本地 python -m http.server 配合静态 HTML 模板更稳。
