テキスト処理で文字化けしてしまいます。どなたか助けてください。

Question

###テキスト処理で文字化けをなくしたい

<tr align="right">
<td 任意の文字列>ここに存在する文字列</td>
<td 任意の文字列>ここに存在する文字列</td>
<td 任意の文字列>ここに存在する文字列</td>
<td 任意の文字列>ここに存在する文字列</td>
<td 任意の文字列></td>
<td 任意の文字列></td>
<td 任意の文字列></td>
<td 任意の文字列></td>
<td 任意の文字列></td>
<td 任意の文字列></td>
<td 任意の文字列></td>
<td 任意の文字列></td>
<td 任意の文字列></td>
<td 任意の文字列></td>
<td 任意の文字列></td>
<td 任意の文字列>ここに存在する文字列</td>
<td 任意の文字列></td>
<td 任意の文字列>ここに存在する文字列</td>
<td 任意の文字列></td>
<td 任意の文字列></td>
</tr>

<tr align="right">
<td 任意の文字列>ここに存在する文字列</td>
<td 任意の文字列>ここに存在する文字列</td>
<td 任意の文字列>ここに存在する文字列</td>
<td 任意の文字列>ここに存在する文字列</td>
<td 任意の文字列></td>
<td 任意の文字列></td>
<td 任意の文字列></td>
<td 任意の文字列></td>
<td 任意の文字列></td>
<td 任意の文字列></td>
<td 任意の文字列></td>
<td 任意の文字列></td>
<td 任意の文字列></td>
<td 任意の文字列></td>
<td 任意の文字列></td>
<td 任意の文字列>ここに存在する文字列</td>
<td 任意の文字列></td>
<td 任意の文字列>ここに存在する文字列</td>
<td 任意の文字列></td>
<td 任意の文字列></td>
</tr>

<tr align="right">
～上と同じため省略～
</tr>
～以下同じため省略～

というhtmlファイルから

<tr align="right"> より１行から４行下 と <tr align="right"> より １６行下 と <tr align="right"> と １８行下 の <td 以降任意の文字列> と </td> の間に存在する すべての任意の文字列（半角・全角・数字などは問わない）だけを抽出する ということをやっています。

###試したこと

cat web_file

では、
ここに存在する文字列
が日本語の時
ここに存在する文字列
が文字化けしていて
��
でした。

vi web_file
``` では
ここにここに存在する文字列
が日本語でも数字でも
きちんと表示されていました。

```cat web_file | nkf -Sw -Lu ｜ cat web_file```では、
��が
ニ鏆鋿セ
になりました。


どのようにすれば文字化けを防ぐことができるでしょうか。
また、必要な文字列だけを切り取るにはどうしたらいいでしょうか。
よろしくお願いいたします。

Answer 1

とりあえず使い方はこんな感じで。
(シフトJISを入力してUTF-8を出力で間違いないですね?)

nkf -Sw -Lu web_file

あと、どういった文字がうまく表示されないかがわかると
もっと具体的なアドバイスがあると思います。

Answer 2

ターミナルで SJIS の文字化けを避ける
http://qiita.com/egg_chicken/items/521808bb0668d18159bd

これでどうですか？
「cat 文字化け」で検索しました。

ちなみにhtmlタグだけを除きたいなら正規表現で<.*>を削除すれば行けそうな気がします。