Estoy intentando obtener el contenido HTML de un sitio web en concreto mediante Pandoc, con el comando siguiente:
pandoc -s -r html https://hjg.com.ar/catena/c757.html -o c757.html
Yo he usado ese mismo comando en otros sitios webs obteniendo sin problema el contenido en un archivo local. Pero en este caso concreto no funciona, estoy teniendo el error:
pandoc: Cannot decode byte '\xfa': Data.Text.Internal.Encoding.Fusion.streamUtf8: Invalid UTF-8 stream
También he intentado usar iconv
como sugiere la documentación, con algo así:
iconv -t utf-8 | pandoc -s -r html https://hjg.com.ar/catena/c757.html -o c757.html | iconv -f utf-8
Y, viendo que esa página web está codificada en iso-8859-1
intento algo así:
iconv -t iso-8859-1 | pandoc -s -r html https://hjg.com.ar/catena/c757.html -o c757.html | iconv -f utf-8
En ningún caso me funciona, obtengo siempre el mismo error.
Entorno
- SO: Ubuntu 18.04
- Pandoc: 1.19.2.4
Usando Pandoc desde la terminal