Teletekst vernieuwd: kun je online de 480 bytes ophalen?

Ik was bezig met een render-engine voor P2000T beelden in Java, en toen las ik gisteren dat Teletekst weer voor de komende jaar een boost heeft gekregen met een nieuwe server, maar ik vraag me af kan ik ook ergens de kale 480 byte van iedere pagina vandaan hengelen online met bijvoorbeeld java, of op een ESP32? Lijkt me een leuke toevoeging op mijn P2000T SAA5050 emulator.

Je hebt geluk... dat ik zomaar de naam Komfa kan ophoesten, want op het moment supreme lukt me dat vaak niet.
Ik had hun Teletekstdecoder om de beurskoersen van TT-tvsignaal te schrapen. Ik ben er helaas niet rijk mee geworden ;)

Er blijkt zowaar een mooie internetpagina over te bestaan: http://www.pcpret.nl/develop/experi.php

Er is natuurlijk https://teletekst-data.nos.nl/webplus die html pagina's zijn ongeveer 7kB.

Iemand,iets,ergens kan je een script plaatsen die het van wat HTML stript. Bijvoorbeeld: 

curl https://teletekst-data.nos.nl/webplus \
| grep -Po '(?<=>)[^<]*' \
| grep -Pzo '(?s)(?<=Ga naar:).*(?=de navigatie)'

Dan ga je naar de 3kB. Als ik dan ook nog de 'blokkenpixels' eruit haalt, waar bijvoorbeeld de weerkaartjes of het grote "TELETEKST" woord mee gemaakt worden en ik strip wat dubbele spaties, dan kom je zo op de 700 bytes: 

.. | sed -e 's/&#[^;]\+;\|\s{2}//g'

Verder is er ook nog https://teletek.st gemaakt en beheert door Jeroen Wollaars, presentator Nieuwsuur.

Edit: curl, sed & grep zijn van origine linux/gnu tools, maar kan je tegenwoordig overal vinden.

Die webplus had ik gezien, ik kijk nu nog eens goed in detail, en de grafische tekens zijn unicode geworden: &#xF070 is gewoon een "p" maar dan voorafgegaan door een grafisch-kleur-teken. De opmaaktekens zijn vervangen door span's, maar die kun je niet heel makkelijk terugzetten naar originele control-tekens. Zo zijn er soms meerdere losse spaties ingeklemd in een bg-blue span, terwijl dat op de tv gewoon code-blauw is, en dan code kleur naar achtergrond zetten. Maar aangezien de ruwe data nog gewoon de DVBT stream in gaat had ik gehoopt dat die ook ergens beschikbaar is.

dit soort dingen van "bewerken met grep-en-sed" moet je op basis van de actuele uitvoer doen. Net zo lang aan prutsen totdat er uitkomt wat je wilt. Dus sed -e 's/&#xF070/p/g' toevoegen als die "rare p" je tot last is....

Misschien kun je delen van dit gebruiken: https://github.com/sjmulder/nostt