s/\>\;/\&\;gt\;/g; s/\<\;/\&\;lt\;/g; ##

##

#!/usr/bin/perl
use strict;
use warnings;
use File::Copy;

use HTML::Strip;
use HTML::Entities;
sub convert_html;

convert_html("path/to/test.html");


sub convert_html($){
	# NOTE: $pf contains the path as well as the filename excluding the extension.

# parse filename
	$_[0] =~ /(.*)\.(.*)/;
	my $pf = $1;
	my $ext = $2;

# PREPARE FILES BEFORE RUNNING THE TAG STRIPPER
	open (IN, "<:encoding(UTF-8)", "${pf}.${ext}");
	open (OUT, ">:encoding(UTF-8)", "${pf}_htmlmod.${ext}");

	while () {
		s/\x{A0}/ /g;				# remove non-breaking spaces
		s/\n//g;					# remove literal line breaks
		s/<\/?p>/\n/ig;				# conserve line breaks ("\/?" because " blabla" is not caught by the normal regex
		s//\n/ig;			# yet more line breaks
		s/\&\#8209;/-/g;
		print OUT decode_entities($_);
		# print OUT $_;				# alternative attempt
	}
	close IN;
	close OUT;
print "\nline break and nbsp preparation done\n";
;


# STRIP TAGS

	# using :encoding(UTF-8) breaks this
	open (IN, "<", "${pf}_htmlmod.${ext}");
	open (OUT, ">", "${pf}.txt");
	{
		my $hs = HTML::Strip->new();
		# my $hs = HTML::Strip->new( decode_entities => 1 );	# alternative attempt

		while () {
		my $clean_text = $hs->parse($_);
		print OUT $clean_text;
	}

	close IN;
	close OUT;
	unlink "${pf}_htmlmod.${ext}";
	}
print "\nhtml conversion done\n";
;
}

##

##


   
      
   
      
      
      
      
      
      
   
   
      JACOBS
      FŐTANÁCSNOK INDÍTVÁNYA<BRK>
      Az ismertetés napja: 2005. november 17.¹(1)
      
      C‑371/03. sz. ügy
      Siegfried Aulinger<BRK>
      kontra<this should be left in>
      Bundesrepublik Deutschland
      




1.<BRK>        Ebben az ügyben az ‘Oberlandesgericht Köln’ (kölni fellebbviteli bíróság) a Szerb és a Montenegrói Köztársaság, valamint az
         Európai Gazdasági Közösség közötti kereskedelem megtiltásáról szóló, 1992. június 1‑jei 1432/92/EGK tanácsi rendelet (a továbbiakban:
         az embargóról szóló rendelet)(2) értelmezésére vonatkozóan két kérdést terjesztett a Bíróság elé előzetes döntéshozatalra.