[文本处理] 求助bat+JScript通过正则表达式批量替换或提取字符串的方法

xp3000

大量TXT，JScript正则表达式比较灵活，并且支持匹配中文，这个方便多了
需要一个例子，先用两条正则表达式替换字符串，这个直接替换，可能有UTF-8或ANSI编码
再用多条正则表达式提取字符串，提取的字符串内容，在原TXT文件名前面加“提取”两个字

xp3000

那些还真不会弄,除非拿现成的,然后查资料看例子,然后弄很久才会明白,还有上面的没网就处理不了

WHY

PowerShell 倒是支持逆向预查，但PowerShell 在处理文本方面不给力

CrLf

回复 8# xp3000


    Array 的 grep 方法来自历史悠久的 Prototype.js 库

CrLf

回复 8# xp3000


    js 不支持逆向预查，grep 的话，可以用 -P 选项开启

xp3000

回复 7# CrLf


    对，不过grep这个支持的语法太少了，谁是作者添加下新功能啊
上面有个试了有个语法不能支持，刚刚试了下，又有个不能支持，应该是四种类型的环视不能支持
^(?=abc).*(?<=abc)$

CrLf

Like this?

@echo off
more +4 "%0" | mshta http://bathome.net/s/hta/ "eval(WSH.StdIn.ReadAll())"
pause & exit /b

dir().files().grep(/\.txt$/i)._each(
	function(file){
		bin=iconv.load(file)
		bom=iconv.checkBom(bin)
		if(bom=='undefined')bom=iconv.toStr(bin,'gb2312')?'gb2312':'utf-8'

		str=iconv.toStr(bin,bom)
		str=str
			.replace(/123/g,'345')
			.replace(/abc/g,'def')
		iconv.saveText(str,file,bom) //保存到源文件

		match1=str.match(/^(?=abc).*(?<=abc)$/mg)
		match2=str.match(/(([一-龥])?([一-龥])?([一-龥])?([一-龥])?[一-龥][一-龥])\1/g)
		match1=match1?match1:[]
		match2=match2?match2:[]
		arr = [].concat(match1,match2)
		iconv.saveText(arr.join('\r\n'),'提取'+file,bom) //保存到提取文件
	}
)
复制代码

xp3000

这个第三方工具不错，我下载的是grep 2.22 单文件回车换行版，可惜发现有些语法不支持

(?<=[\r\n]+第[0-9一二两三四五六七八九十○零百千]{1,9}[章节])(\s?)+(?=\S)
替换一个空格，这个不能支持，

(?<=[\r\n]+第[0-9一二两三四五六七八九十○零百千]{1,9}[章节])
左侧文本能够匹配回车换行第xx章或节，但不计算为分组，
(\s?)0个或1个空格，匹配为分组1，
(\s?)+   这个匹配0个或多个空格
(?=\S)右侧文本能够匹配非空格字符串,但是不计算为分组

在这里替换值为1个空格，目的是将：
第一章朝气蓬勃
或
第一章        朝气蓬勃
替换为
第一章 朝气蓬勃

xp3000

回复 4# CrLf


   
帮忙再修改下，可能理解错误，是先进行两次正则表达式替换字符串，然后文本达到了理想效果，再进行另外的两条正则表达式提取，替换的正则表达式和提取的正则表达式不一样，
比如：
123替换的是345
abc替换的是def

但是提取的内容是
行首以abc开头，以abc结尾，中间任意字符的内容
^(?=abc).*(?<=abc)$

查找重复词，分组再重复一次
(([一-龥])?([一-龥])?([一-龥])?([一-龥])?[一-龥][一-龥])\1

([一-龥])?匹配任意中文0或1次
整个正则表达式
(中文有或无，中文有或无，中文有或无，中文有或无，中文中文)\1作为分组重复一次，后面有两个中文必须匹配，
比如会匹配提取
高兴高兴、高高兴兴，非常高兴非常高兴、高高兴兴高高兴兴、非常好非常好、等等字符

CrLf

回复 3# xp3000


    已修改在原帖

xp3000

少了个正则表达式提取功能，麻烦添加上，也是多条，
比如：
(?<=\s)[一-龥]{1,}(?=\s)
(([一-龥])?([一-龥])?([一-龥])?([一-龥])?[一-龥][一-龥])\1
原文件1.TXT提取新文件名为：提取1.TXT
原文件2.TXT提取新文件名为：提取2.TXT

CrLf

举个栗子，将目录下所有 txt 文件的 123 替换为 456，并将 abc 替换为 def，最后以原来的编码保存到提取文件：

@echo off
more +4 "%0" | mshta http://bathome.net/s/hta/ "eval(WSH.StdIn.ReadAll())"
pause & exit /b

dir().files().grep(/\.txt$/i)._each(
	function(file){
		bin=iconv.load(file)
		bom=iconv.checkBom(bin)
		if(bom=='undefined')bom=iconv.toStr(bin,'gb2312')?'gb2312':'utf-8'
		str=iconv.toStr(bin,bom)
		str=str
			.replace(/123/g,'345')
			.replace(/abc/g,'def')
		iconv.saveText(str,'提取'+file,bom)
	}
)
复制代码