[文本处理] [已解决]批处理如何提取文本内的指定内容？

zjw767676

需要提取index.txt中的“/dushi/20150506/1237296.html”之类的输入到1.txt:

 
* 其他类型</book/qita/>
  * 全本小说</change/quanben/>
  * 

加入书签 | 推荐本书 | 返回书页</book/dushi/1844/> | 我的书架 | 手机阅读<http://m.7ddw.com/chapter/dushi/1844/>

顶点小说<http://www.7ddw.com> -> 都市言情</book/dushi/> -> 重生之财色天下</book/dushi/1844/>
  

重生之财色天下 最新章节更新列表

  

重生之财色天下作者：天下第一白

  
第1章 ：梦回2000</dushi/20150506/1237296.html> 第2章 ：三大门户网站都不赚钱</dushi/20150506/1237297.html> 第3章 ：那些年，我们追过的女孩</dushi/20150506/1237298.html> 第4章 ：指点丁磊</dushi/20150506/1237299.html>
第5章 ：五张模拟试卷</dushi/20150506/1237300.html> 第6章 ：熊猫烧香</dushi/20150506/1237301.html> 第7章 ：试探张宁</dushi/20150506/1237302.html> 第8章 ：病毒发威</dushi/20150506/1237303.html>
复制代码

我的代码：

@echo off&setlocal enabledelayedexpansion
(for /f "delims=^<^> tokens=1-8" %%a in (index.txt) do (
set a=%%a
  set b=%%b
     set c=%%c
        set d=%%d
           set e=%%e
              set f=%%f
                 set g=%%g
                   set h=%%h
set /a "1/!a:~-11,-5!" 2>nul && echo,%%a
set /a "1/!b:~-11,-5!" 2>nul && echo,%%b
set /a "1/!c:~-11,-5!" 2>nul && echo,%%c
set /a "1/!d:~-11,-5!" 2>nul && echo,%%d
set /a "1/!e:~-11,-5!" 2>nul && echo,%%e
set /a "1/!f:~-11,-5!" 2>nul && echo,%%f
set /a "1/!g:~-11,-5!" 2>nul && echo,%%g
set /a "1/!h:~-11,-5!" 2>nul && echo,%%h

))1.txt
复制代码

代码不足之处：不简练，会产生空行。请指教！！！

zjw767676

回复 2# WHY

这就是我想要的，下载小说用的提取各章节的地址！
"<>"不需转义也可用！！！！！受教了！

WHY

按照顶楼代码的意思，楼主应该是想匹配 .html 前面的7位数字
另外，如果不确定文本编码类型，可以考虑用 PowerShell

$ar = type index.txt | %{
    [regex]::Matches($_, '<(/.+?/\d{7}\.html)>', 'IgnoreCase') | %{$_.Groups[1].Value}
}
Out-File 1.txt -Input $ar -Encoding utf8
复制代码

依山居

"""
2016年2月18日 08:20:03 codegay
"""
import re
url=re.findall(r"<(/dushi/\d+/\d+.html)>",open("提取指定文本.py",encoding="utf-8").read())
[print(r,file=open("result.txt","a+")) for r in url]


"""
 
* 其他类型</book/qita/>
  * 全本小说</change/quanben/>
  * 

加入书签 | 推荐本书 | 返回书页</book/dushi/1844/> | 我的书架 | 手机阅读<http://m.7ddw.com/chapter/dushi/1844/>

顶点小说<http://www.7ddw.com> -> 都市言情</book/dushi/> -> 重生之财色天下</book/dushi/1844/>
  

重生之财色天下 最新章节更新列表

  

重生之财色天下作者：天下第一白

  
第1章 ：梦回2000</dushi/20150506/1237296.html> 第2章 ：三大门户网站都不赚钱</dushi/20150506/1237297.html> 第3章 ：那些年，我们追过的女孩</dushi/20150506/1237298.html> 第4章 ：指点丁磊</dushi/20150506/1237299.html>
第5章 ：五张模拟试卷</dushi/20150506/1237300.html> 第6章 ：熊猫烧香</dushi/20150506/1237301.html> 第7章 ：试探张宁</dushi/20150506/1237302.html> 第8章 ：病毒发威</dushi/20150506/1237303.html>
"""
复制代码

依山居

正则表达式

第\d+章.*?<(.*?)>
复制代码

这样可能更严谨点

第\d+章.*?<(.*?\.html)>
复制代码

ivor

回复 1# zjw767676

python比cmd控制台兼容性好，代码也少，越复杂会越明显。

# python 3.5.1
# coding:utf-8

import re

try:
    with open(r"d:\desk\bat\test.html", "r") as file:
        for lines in file.readlines():
            data = re.findall(r"<(.+?)>",lines)
            for i in data:
                print(i)
except:
    print("出现问题了,去www.bathome.net反馈")
    input("回车退出...")
input("回车退出...")
复制代码

WHY

@echo off
for /f "tokens=2,4,6,8 delims=<>" %%i in ('findstr /i "[0-9]\.html" index.txt') do (
    echo;%%i
    echo;%%j
    echo;%%k
    echo;%%l
)
pause
复制代码