[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?

inittab

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 ]

keen

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)

随风

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 ]

namejm

　　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？

tab

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

tab

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。

zljzsmzzx

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。

inittab

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 ]

namejm

　　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。

inittab

谢谢提醒，已更新到顶楼。不再改了。

jackerloo2009

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？

inittab

是的，呵呵，手动填的。已改正

inittab

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 ]

tab

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 ]

inittab

不是不高，是很低效的，超级慢。就像把把水抽干了捕鱼。呵呵