使用html编写的是纯文本吗,来自HTML的合理纯文本

我需要任意HTML文件的纯文本表示(例如，博客文章)。到目前为止，这不是一个问题，有几十个HTML到TXT转换器。但是，段落中的文本(读作“p元素”)应该在纯文本视图中证明(到一定数量的列)，并且如果可能的话，用连字符来提供更好的可读结果。此外，生成的文本文件必须是UTF-8或UTF-16。

简单的纯文本对话我可以用XSLT做，这几乎是微不足道的。但是文本的合理性超出了它的可能性(不完全正确，因为XSLT是图灵完整的，但足够接近现实)。

FOP和XSL-FO也不起作用。他们按照要求做了，但FOP的纯文本输出很糟糕(开发人员说，它不适合这种用法)。

我还试验过HTML - ＆gt; XSLT - ＆gt; Roff，但我坚持使用groff，它的Unicode支持远非最佳。由于存在像椭圆(“...”)和印刷正确的配额标记这样的字符，因此在XSLT样式表中告诉groff几十个Unicode字符的转义序列是非常麻烦的。

另一种方法可能是转换为TeX并输出为纯文本，但我以前从未尝试使用(La)TeX。

也许我错过了一些非常简单的事情。有谁有想法，我怎么能实现上述目标？顺便说一句：一个解决方案应该最好在没有root权限的情况下安装，使用PHP，Python，Perl，XSLT或者在一个不太合适的Linux发行版中找到的任何程序。