批处理之家 - Powered by Discuz! Board

标题: [文本处理] [已解决]如何用批处理提取字串中数字并用它生成新列? [打印本页]

作者: inittab 时间: 2009-6-14 10:53 标题: [已解决]如何用批处理提取字串中数字并用它生成新列?

有一节目表文件a.txt内容如下（问题更新）：

09/06/14
01:40 电视剧:承诺(3)12
13:45 电视剧：康熙微服私访记222/30 
03:14 电视剧:大明奇才 (第5集)
07:25 周末剧场 连续剧 开心老爸（16）
19:35 电视剧：我的丑娘26
19:11 电视剧：清凌凌的水蓝莹莹的天Ⅱ12/36
06:18 艺术人生：展现艺术家的人生
13:03 午间剧场:我叫金三顺（19—20）
08:12 剧场:宰相刘罗锅29
20:00 剧场:金婚(25——26)
13:44 剧场:情之缘21、22、23
17:45 天下故事 
复制代码

请求写一批处理：有集数行后边加上（第X集）X的值从行中取得。表示日期的行，已带有第X集行，没数字的行均不处理），想了很久没搞定，请高手帮忙.

处理后如下效果：
09/06/14
01:40 电视剧:承诺(3)12 （第12集）
13:45 电视剧：康熙微服私访记222/30 （第22集）
03:14 电视剧:大明奇才 (第5集)
07:25 周末剧场连续剧开心老爸（16）（第16集）
19:35 电视剧：我的丑娘26 （第26集）
19:11 电视剧：清凌凌的水蓝莹莹的天Ⅱ12/36 （第12集）
06:18 艺术人生：展现艺术家的人生
13:03 午间剧场:我叫金三顺（19—20）（第19集）
08:12 剧场:宰相刘罗锅29 （第29集）
20:00 剧场:金婚(25——26) （第25集）
13:44 剧场:情之缘21、22、23 （第21集）
17:45 天下故事

[ 本帖最后由 inittab 于 2009-6-16 10:40 编辑 ]

作者: keen 时间: 2009-6-14 14:55

这个是笔误，还是别的：

03:14 电视剧:大明奇才 (第5集)

03:14 电视剧:大明奇才5/30 (第5集)

作者: 随风 时间: 2009-6-14 15:02

12:47 电视剧：康熙微服私访记221/30 (第21集)
13:45 电视剧：康熙微服私访记222/30 (第22集)
这才是讨厌的地方，电视名和集数之间居然没有任何分隔符？
还有这一句，无法找到整个的规律 01:40 电视剧:承诺(3)12

[ 本帖最后由随风于 2009-6-14 15:04 编辑 ]

作者: namejm 时间: 2009-6-14 15:02

　　最重要的一点：在众多的数字中，哪些数字代表集数？像“康熙微服私访记221/30 ”这样的字符串中，集数为什么是21而不是221——虽然我知道总集不能超过30，所以它只能是21而不能是221，但老兄你总得告诉我怎么区分哪些是集数吧？

作者: tab 时间: 2009-6-14 15:22

康熙微服私访记221/30 是康熙微服私访记2共30集，这是第21集。我是这样看的。

s/[ \t]*$//
s/)[0-9][0-9]/& (第&集)/;s/第)/第/
s#[0-9][0-9]/.*#& (第&集)#
s#[0-9]/.*#& (第&集)#
s/集).*/集)/1
s#(第.*/.*/.*##
/:/s#/[0-9][0-9]##2;/:/s#/[0-9]##2
复制代码

以上代码复制到1.txt中
在命令行输入

sed -f 1.txt a.txt
复制代码

作者: tab 时间: 2009-6-14 15:25

有些时候电视剧不同的集数不是从同一服务器下载的，名称可能会不同。

作者: zljzsmzzx 时间: 2009-6-14 19:48

你帖的这个列表也太乱了吧。像“康熙微服私访记221/30”“康熙微服私访记222/30”这样没有偏离其它太多的倒是可以根据后面的总集数来判断。但像“承诺(3)12”这样的根本没法判断了。而这只是你例举出来的一部分吧，保不准还有其它更“离谱”的呢。如果可能的话，楼主自己应该先总结出一个规律出来，这样我们才好帮你。因为我们看不到你的全部“列表”。根本不可能未卜先知的给你定一个完美的规律。所以最好能帖上列表中能代表全部列表的例子。

作者: inittab 时间: 2009-6-14 21:13

谢谢大家回复！

是这样的，难点就是这里。节目表是网站采集下来的。很多的不严谨

如果手工处理。基本上不太可能。重要的是要把集数取出来。以便后续程序处理有规律化处理（根据集数再进一步采集剧情等），美观与否倒是次要。(^_#）.
象 "康熙微服私访记221/30 实际节目名是"康熙微服私访记2" 连在一起了。另外
"承诺(3)12 " 也是类似，12是集数。"03:14 电视剧:大明奇才 (第5集) " 本身带就有的，不需要处理。
还有些是(21-22) 和21、22、23 这样的。

如果有多集情况取第一集就可以了。

典型几种情况已更新在顶楼

别外，感谢5楼 tab 热心帮忙，也期待论坛高手精彩的代码，学习ing ~

[ 本帖最后由 inittab 于 2009-6-14 22:01 编辑 ]

作者: namejm 时间: 2009-6-14 21:49

　　建议把更新后的内容发到顶楼，别人在一楼看到的永远是最新的要求，这样才方便新来的人了解你的最新要求——假如回复帖有5页10页，而你的要求散落在各个楼层，写个代码还得从头到尾把所有帖子都看一遍，并且还得在你的最新要求那个帖子上做个标记，你就知道想帮你的人是何等痛苦了。

作者: inittab 时间: 2009-6-14 22:03 标题: 回复 9楼的帖子

谢谢提醒，已更新到顶楼。不再改了。

作者: jackerloo2009 时间: 2009-6-14 22:09 标题: 回复 1楼的帖子

07:25 周末剧场连续剧开心老爸（16）
07:25 周末剧场连续剧开心老爸（16）（第6集）
这个也是笔误吧？

作者: inittab 时间: 2009-6-14 22:11 标题: 回复 11楼的帖子

是的，呵呵，手动填的。已改正

作者: inittab 时间: 2009-6-14 22:32

我先给个自己写的临时在用有些缺陷的代码（某些行不能处理或有错）

@echo off&setlocal enabledelayedexpansion
for /f "delims=" %%i in (a.txt) do (
set tt0=%%i&set "v0="
if not "!tt0:~2,1!"=="/" (
for /f "tokens=1,2 delims=/-" %%m in ('echo %%i ^| sed -e "s/—/-/" -e "s/、/-/" -e "s/[^0-9/-]//g"') do (
set v0=%%m&set v0=!v0:~4!&if not "%%n"=="" if !v0! gtr %%n (set v0=!v0:~1!)))
if not "!v0!"=="" (echo\%%i ^(第!v0!集^)) else echo\%%i

)
pause
复制代码

sed 下载：http://www.vkill.net/tools.html

发现一个比较怪的问题，for () 里的echo %%i 不能用echo !tt0! 代替。本来想用echo !tt0:~-10!的倒取10个字符的可是发现不行。

[ 本帖最后由 inittab 于 2009-6-14 22:43 编辑 ]

作者: tab 时间: 2009-6-15 08:04

给你改动一下。

@echo off&setlocal enabledelayedexpansion
for /f "delims=" %%i in (a.txt) do (
set tt0=%%i&set "v0="
if not "!tt0:~2,1!"=="/" (
for /f "tokens=1,2 delims=/-" %%m in ('echo %%i ^| sed "/.第.*/d;s/)../&-100/;s/—/-/;s/、/-/;s/[^0-9/-]//g"') do (
set v0=%%m&set v0=!v0:~4!&if not "%%n"=="" if !v0! gtr %%n (set v0=!v0:~1!)))
if not "!v0!"=="" (echo\%%i ^(第!v0!集^)) else echo\%%i
)
pause
复制代码

不过说实话，代码效率不高

[ 本帖最后由 tab 于 2009-6-15 08:13 编辑 ]

作者: inittab 时间: 2009-6-15 08:31

不是不高，是很低效的，超级慢。就像把把水抽干了捕鱼。呵呵

作者: terse 时间: 2009-6-15 23:21

这样用 SED 还不如用批处理同样的不通用
修正最后字符为“)”的话不能取到集数问题

@echo off&setlocal enabledelayedexpansion
for /l %%i in (0 1 9) do set "_%%i=%%i"
for /f "usebackq delims=" %%i in ("a.txt") do (
  set var=%%i
  for /f "tokens=1*" %%a in ("%%i") do (
     if "%%b" neq "" (
     set str=%%b&call:lp
     if not "!e!"=="" for %%e in (!e!) do set var=!var:*%%e=!
   )
  if "!var!"=="%%i" (echo !var! !e!)else echo %%i
set e=
))
pause&exit
:lp
if defined str (
   set v=!str:~,1!
       if defined e (
       set e1=!str:~1!
       if defined _!v! (set e=!e!!v!) else (
       if "!v!"==")" if defined e1 set "e="&goto lp
       if "!v!"=="/" (
       if !e! gtr !e1! set e=!e:~1!
     )
       set e=第!e!集&exit/b)
     ) else if defined _!v! set e=!v!
       set str=!str:~1!
      goto lp
  )
if not "!e!"=="" set e=第!e!集
复制代码

[ 本帖最后由 terse 于 2009-6-16 09:03 编辑 ]

作者: inittab 时间: 2009-6-15 23:52

terse 兄有好的思路么？

13:45 电视剧：康熙微服私访记222/30
这条可以不考虑。

作者: tab 时间: 2009-6-16 08:42

terse兄的代码很好。
在处理文本方面，本就没有通用的代码，都是有针对性的，或说是局限性。
下面是1.txt内容，很懒，就不再简化了，不过效率还是不错的。

s/[ \t]*$/%/
s/)[0-9][0-9]/& (第&集)/;s/第)/第/
s#[0-9][0-9]/.*#& (第&集)#
s#[0-9]/.*#& (第&集)#
s/集).*/集)/1
s#(第.*/.*/.*##
/:/s#/[0-9][0-9]##2;/:/s#/[0-9]##2
/、/s/..、..、../& (第&/;s/、..、..%$/集)/
s/（.*）/& (第&集)/;s/第（/第/;s/）集/集/;s/—..集/集/
/——/s/(.*/& (第&集/;s/——..)%集/集)/;s/第(/第/
s/%//
/:/s/[0-9][0-9]$/& (第&集)/
s/%//
复制代码

作者: inittab 时间: 2009-6-16 10:28

谢谢各位了。先把它结掉，
有更好的代码请继续。

欢迎光临批处理之家 (http://bathome.net./)