Python脚本中如何借助lynx将HTML源码转换为人类可读格式？

错误原因 #

你遇到的OSError: [Errno 7] Argument list too long: 'echo'报错，本质是超长的HTML字符串被作为echo命令的参数传递，超过了操作系统限制的命令行参数最大长度（ARG_MAX），所以触发了系统级错误。

正确实现方案 #

不需要通过echo中转传递HTML内容，直接调用subprocess.run的input参数，把内存中的HTML字符串直接注入到lynx的标准输入即可，完全绕过命令行参数长度限制：

import subprocess

# 你的html变量
html = "<!doctype html>\n<html><head><title>My title</title></head>LOTS OF CHARS HERE</html>"

# 直接调用lynx，将html作为标准输入传入
res = subprocess.run(
    ["lynx", "-stdin", "-dump"],
    capture_output=True,
    text=True,
    input=html
)

# 打印格式化后的可读内容
print(res.stdout)

方案说明 #

• 该写法没有多余的进程开销，不需要额外创建echo进程或者管道中转
• 输入内容长度不受系统命令行参数上限限制，哪怕是几MB的HTML源码也可以正常处理
• 如果遇到编码异常，可以给subprocess.run增加encoding参数指定网页对应的编码即可

内容的提问来源于stack exchange，提问作者Georg