[文本处理] bat脚本怎样判断文本 提取指定文本？

idc878787

bat判断文本 提取指定文本？？？

例如：文本a.txt

a----ba----c----d
a----b----ca----d
a----d----c-----d
a----b----cA----d
a----bA----c----d
我们----哈我们-----c----d
购买----哈-----c购买----d
辅导----地方----发发----d

生成b.txt

a----ba----c----d
a----b----ca----d
a----b----cA----d
a----bA----c----d
我们----哈我们-----c----d
购买----哈-----c购买----d


就是：1----2----3----4     四部分  2和3里面 如果任何一个部分 包含 部分1 就记录b.txt   英文要大小写忽略

hfxiang

回复 17# idc878787


下载WITH DEVKIT版本
即：https://github.com/oneclick/ruby ... kit-3.1.3-1-x64.exe
或：https://github.com/oneclick/ruby ... kit-3.1.3-1-x86.exe
安装后才会有gawk.exe

terse

如果装有python的话 能稍微提升一点效率

@python -x "%~f0" >b.txt& pause &exit
# -*- coding: utf-8 -*-
import os,re
file = r'a.txt'
with open(file) as f:
    for line in f.readlines():
         arr = re.split('\.+',line)
         if arr[0].lower() in '-'.join(arr[1:3]).lower():
            print( line.strip())
复制代码

tmplinshi

试试 PowerShell

function ParseFile {
    param (
        [Parameter(Mandatory = $true)][Alias("in")] $inputFile,
        [Parameter(Mandatory = $true)][Alias("out")] $outputFile
    )

    if (-not (Test-Path $inputFile)) {
        Write-Error "文件不存在: $inputFile"
        return
    }
    
    $streamIn  = [IO.StreamReader]::new($inputFile)
    $streamOut = [IO.StreamWriter]::new($outputFile, $false, [System.Text.ASCIIEncoding]::UTF8)

    while (-not $streamIn.EndOfStream) {
        $line = $streamIn.ReadLine()
        $arr = $line -split '-+'
        if ($arr[1, 2] -join '-' -like "*$($arr[0])*") {
            $streamOut.WriteLine($line)
        }
    }
    
    $streamIn.close()
    $streamOut.close()
}

ParseFile -in a.txt -out b.txt
复制代码

idc878787

回复 16# terse


    百万数据这个慢

idc878787

回复 15# hfxiang


    下载哪个   有点蒙

terse

数据量大 这个估计也够呛 试试吧

1>1/* :
@echo off
cscript -nologo -e:jscript "%~f0"<a.txt >b.txt
pause&exit
*/
while (!WScript.StdIn.AtEndOfStream)
{
       var text = WScript.StdIn.ReadLine(),
       ar = text.replace(/-+/g,'-').split('-'),
       re = new RegExp(ar[0],"i");
       if (re.test(ar[1]) | re.test(ar[2]) ) { WSH.Echo( text )};
}
复制代码

hfxiang

回复 11# idc878787


    经测试，如果含“”字符，需要用 Ruby（https://rubyinstaller.org/downloads/）中附带的 gawk 方能有效处理（脚本不变）

hfxiang

回复 11# idc878787


   
请确保a.txt为ANSI编码格式，该脚本方能生效

idc878787

回复 12# terse


    7楼的代码都可以   就是处理数据多的时候   慢        10楼的代码就是 处理文本含有    这符号的 时候  就丢数据了  不处理了

terse

会不会有下面这个情况呢 就是数据第一段不是个位数 例如 %%a=XX
如此情况下，上面代码应该出错吧

idc878787

回复 10# hfxiang


     数据中  如果含有这个符号  就会丢数据？

hfxiang

如果数据量很大，建议用gawk（ http://bcn.bathome.net/tool/4.1.0/gawk.exe ），效率会很高
执行以下指令之前，请确保a.txt为ANSI编码

gawk -F"-+" -vIGNORECASE=1 "{if($2~$1||$3~$1)print}" a.txt>b.txt
复制代码

idc878787

回复 7# Batcher


    有没有更快的处理方式，这个百万数据处理1天都还没好？

idc878787

3q