批处理之家 - Powered by Discuz! Board

标题: [文本处理] [已解决]批处理如何截取网页中固定内容到新的文本？谢谢。 [打印本页]

作者: hijackle 时间: 2012-12-28 08:09 标题: [已解决]批处理如何截取网页中固定内容到新的文本？谢谢。

如附件，如何获取网页中的“编码”“名称”“电话”“数量1”“数量2”“时间”“时长”“原因”的具体数值到新的文本中并自动换行，网页实际有多少行这样的数据未知也就是不止这个网页的只有4行

020033  分店1  13888888888(王大狗)  115  105  2012-12-28 06:12:52 0天0小时19分钟异常
020042  分店2  1366666666、88999999  92  84  2012-11-21 12:11:17 24天3小时35分钟盗版
020064  分店3  5555555\13000000000  0  0  2012-12-28 06:12:42 0天0小时17分钟过低
020085  分店4  15333333333/444444444  63  56  2012-05-15 12:05:57 150天19小时21分钟关闭

作者: batman 时间: 2012-12-28 22:30

本帖最后由 batman 于 2012-12-28 22:31 编辑

用vbs正则：

Dim FSO, redStr, Arr, vbStr
Set FSO = CreateObject("Scripting.FileSystemObject")
redStr = FSO.OpenTextFile("test.html").ReadAll
Arr = Split(GetText(redStr), "分钟")
For Each str In Arr
  str = Replace(str, vbCrLf, "")
  For Each var In Split(str, " ")
    If Replace(var, " ", "") <> "" Then
      If Mid(var,3,1) & Mid(var,6,1) = "::" Then var = Mid(var,1,8) & vbTab & Mid(var,9,Len(var))
      vbStr = vbStr & var & vbTab
    End If
  Next
  vbStr = Left(vbStr, Len(vbStr)-1) & "分钟" & vbCrLf
Next
FSO.OpenTextFile("new.txt", 2, True).Write Left(vbStr, Len(vbStr)-4)
Set FSO = Nothing
CreateObject("Wscript.Shell").Run "cmd /cstart new.txt", True, False

Function GetText(String)
  Dim objExp
  Set objExp = New RegExp
  objExp.Global = True
  objExp.IgnoreCase = True
  objExp.Pattern = "<td>([^<>]+)<\/td>|\s|\S"
  objExp.Execute(String)
  GetText = objExp.Replace(String, "$1")
End Function
复制代码

作者: batman 时间: 2012-12-28 22:56

再跟个简单的提取HTM（HTML）文件中文本的方法：

'提取当前目录下TEST.HTML文件中的文本内容
Dim HTML, Path
Path = CreateObject("Wscript.Shell").CurrentDirectory
Set HTML = GetObject(Path & "\test.html", "HtmlFile")
Do Until HTML.ReadyState = "complete" : WScript.Sleep 200 : Loop
WScript.Echo HTML.DocumentElement.InnerText
复制代码

作者: batman 时间: 2012-12-29 00:26

本帖最后由 batman 于 2012-12-29 00:38 编辑

2楼的代码还有点问题，补上一个：

Dim HTML, Path, ReadStr
Path = CreateObject("Wscript.Shell").CurrentDirectory & "\test.html"
Set HTML = GetObject(Path, "HtmlFile")
Do Until HTML.ReadyState = "complete" : WScript.Sleep 200 : Loop
i = 0
Do Until Err.Number <> 0
  On Error Resume Next
  str = ""
  str = Trim(HTML.GetElementsByTagName("td")(i).InnerText)
  If (i + 1) Mod 8 = 0 Then
    str = str & vbCrLf
    Else
    str = str & vbTab
  End If
  If str <> "" Then ReadStr = ReadStr & str : i = i + 1
Loop
CreateObject("Scripting.FileSystemObject").OpenTextFile("new.txt", 2, True).Write ReadStr
CreateObject("Wscript.Shell").Run "cmd /cstart new.txt", False, False
复制代码

作者: terse 时间: 2012-12-29 00:44

用sed处理了一下不过还要二次处理不搞了

@echo off
sed "s/^ *//;s/<td>/&\n/g;s/<\/td>/\n/g" "test.txt"|sed "/\(<span class=\|padding:\|^$\)/d"|sed -n "/<td>/{n;p}"
pause
复制代码

作者: hijackle 时间: 2012-12-29 04:40

感谢版主和terse

作者: apang 时间: 2012-12-29 09:39

@echo off&setlocal enabledelayedexpansion
(for /f "tokens=*" %%a in (test.html) do (
  if /i "%%a"=="<td>" set flag=1
  if defined flag (
    set "str2=%%a"
    if /i "!str2!"=="</span>" set "str=!str!!str1!"
    if "!str2:</td><td>=!" neq "!str2!" (
      set "str=!str!!str1!"
      set "str=!str!!str2:</td><td>= !"
    )
  )
  if /i "%%a"=="</td>" echo,!str!&set "str="&set "flag="
  set "str1=%%a"
))>New.txt
start "" New.txt
复制代码

作者: BAT-VBS 时间: 2012-12-29 10:25

回复 6# hijackle

问题解决后，请编辑顶楼帖子在标题前面注明[已解决]，并给回答者加分。

作者: terse 时间: 2012-12-29 15:04

练下手换行问题解决（不知标签是否一致）

@echo off
sed -n "s/<\/td><td>/ /g;/\(<span class=\|padding:\)/d;/<td>/,/<\/span>/p" test.htm|sed "s/^ *//;s/* $//;/<td>\|^$/d"|sed ":a;$!N;/[^<\/span>]/s/\n/ /;ta;s/<\/span>/\n/;P;D"
PAUSE
复制代码

欢迎光临批处理之家 (http://bathome.net./)