【已解决】批处理怎样从txt文本或者htm文件里提取特定内容？

tbjx138 · 发表于 2014-11-2 23:35:27

例如： <div><a href="Detail.mvc?sys=dlib&type=1&restype=2&cult=CN&resid=m.20140704-ZLZX-889-0379&page=1" onclick="WriteCenterLogs(*m.20140704-ZLZX-889-0379*,*社会风尚与道德领域突出问题专项治理研究：基于文化视角的透析*,*高褔进, 闫成*,*上海人民出版社*,*2014*,*APABI_XKFL$$063,其他学科;CYFL2011$$009006,政治军事|中国政治;XXKC$$005003,课外阅读|社会科学类;ZXKC$$006003,课外阅读|社会科学类*,*978-7-208-12002-0*);" target="_blank">1</a></div>

这个我网页保存htm里的一段代码。有n个这样的htm，每个htm里有n个这样的一段代码，我想把n个这样的htm里所有这样的代码，批量转换成一个txt文本或excle里。附图，是我想要的格式，请高手大侠帮忙！！做成批处理或者vba代码都可以的！！先谢谢各位了！！

这个图是一个htm里应该提取的的内容，每个htm里有10个！！！

522235677 · 发表于 2014-11-3 09:27:46

最好打包几个htm文件发上来

tbjx138 · 发表于 2014-11-3 09:46:37

回复
好的，我发几个htm您试试！！谢谢！

2# 522235677 ，还有些这样不同的格式的htm，

tbjx138 · 发表于 2014-11-4 16:06:24

请大神们帮忙！！谢谢了！！

terse · 发表于 2014-11-4 22:53:47

本帖最后由 terse 于 2014-11-6 12:28 编辑

最后结果正确不
我这里测是可行的（XP 和 WIN7）

@if(0)==(0) echo off
for %%a in (*.htm) do CScript.exe //NoLogo //E:JScript "%~f0" "%%a">%%~na.txt
pause & exit
@end
function WriteCenterLogs(a,b,c,d,e,f,g,h,i) {WScript.Echo(a + '\t' + b + '\t' + c + '\t' + d + '\t' + e+ '\t' + g)}
function adoLoadText(filename, charset) {
var stream, text;
stream = new ActiveXObject("ADODB.Stream");
stream.type = 2;
stream.charset = charset;
stream.open();
stream.loadFromFile(filename);
text = stream.readText(-1);
stream.close();
return text;
}
var file = WScript.Arguments.Item(0);
var next = adoLoadText(file ,'UTF-8');
var html = new ActiveXObject("htmlfile");
html.write(next);
var d = html.getElementsByTagName("dd");
var len = d.length;
for (var i = 0; i < len; i++) {
var s = d[i].getElementsByTagName("div");
s = s[0].getElementsByTagName('a')[0].onclick;
s();
}

复制代码

废了对象还是直接正则获取这样试下
发现正则有点问题

@if(0)==(0) echo off
dir /b *.htm | CScript.exe //NoLogo //E:JScript "%~f0"
pause & exit
@end
function adoLoadText(filename, charset) {
var stream, text;
stream = new ActiveXObject("ADODB.Stream");
stream.type = 2;
stream.charset = charset;
stream.open();
stream.loadFromFile(filename);
text = stream.readText();
stream.close();
return text;
}
var fso = new ActiveXObject("Scripting.FileSystemObject");
var re = new RegExp('<dd>[^(]+\$(.+)\$;" target=','img')
while (!WScript.StdIn.AtEndOfStream){
var file = WScript.StdIn.Readline();
var name = file.replace(/(.+?)(\.[^\.]*?)$/gi,'$1.txt');
var next = adoLoadText(file ,'UTF-8');
var arr = getarr(next);
fso.CreateTextFile(name, true).Write(arr.join('\r\n'))
}
function getarr(next) {
var f = next.match(re),arr = [];
if (f){
var len = f.length;
for (var i = 0; i < len; i++){
var str = f[i];
str = str.replace(re,'$1');
var tar = str.replace(/^'|'$/g,'').replace(/\t/g,' ').split(/','/);
tar.splice(5, 1)
arr[i] = tar.join('\t')
}
return arr;
}
}

复制代码

ads350668398 · 发表于 2014-11-5 06:11:13

回复 5# terse

代码加个注释新手好学习啊晕

tbjx138 · 发表于 2014-11-5 07:30:43

本帖最后由 tbjx138 于 2014-11-5 07:37 编辑

回复 5# terse

感谢您的回复，我用您给的代码测试了2个htm，提取的txt是0kb，没用任何信息？不知道原因在哪!是不是我用的不对呢，我是用您的代码做个bat，放到htm文件夹里操作的。您如果您能加个注释就好了！！
您用我发的附件里htm，测试一下，是不是也和我一样的情况。再次感谢您的帮忙！！

terse · 发表于 2014-11-6 02:08:05

回复 7# tbjx138
上面代码试下

tbjx138 · 发表于 2014-11-6 07:42:23

最后结果正确不
我这里测是可行的（XP 和 WIN7）废了对象还是直接正则获取这样试下
terse 发表于 2014-11-4 22:53

太感谢terse大神的帮忙了！！完美提取出来了，您的技术非常棒！！批处理真是很强大！！以后还要和大神多学习！！

Batcher · 发表于 2014-11-27 08:24:43

回复 6# ads350668398

哪里不懂就直接问吧

我来了 · 发表于 2016-9-30 05:11:19

回复 10# Batcher

正则经过三周的折腾，算是凑合能搞出想要的东西了。
RegexBuddy4.6 也被我去除校验和NAG，汉化成功了，控件上都被写上了正则例子了，用起来太爽了
就是不会用命令行，要学哪些才能结合使用呢？？？

Batcher · 发表于 2016-10-1 11:12:20

回复 11# 我来了

每天坚持使用支持正则的命令（sed/awk/grep等）到各个技术论坛解决文本处理类的问题

		自动登录	找回密码
密码			注册

[新手上路]批处理新手入门导读	[视频教程]批处理基础视频教程	[视频教程]VBS基础视频教程	[批处理精品]批处理版照片整理器
[批处理精品]纯批处理备份&还原驱动	[批处理精品]CMD命令50条不能说的秘密	[在线下载]第三方命令行工具	[在线帮助]VBScript / JScript 在线参考

[文本处理] 【已解决】批处理怎样从txt文本或者htm文件里提取特定内容？

评分

评分

评分