[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:

1. 
   
2. * 其他类型</book/qita/>
   
3.   * 全本小说</change/quanben/>
   
4.   *
   
5. 
   
6. 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/>
   
7. 
   
8. 顶点小说<http://www.7ddw.com> -> 都市言情</book/dushi/> -> 重生之财色天下</book/dushi/1844/>
   
9.   
   
10. 
    
11. 重生之财色天下 最新章节更新列表
    
12. 
    
13.   
    
14. 
    
15. 重生之财色天下作者：天下第一白
    
16. 
    
17.   
    
18. 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>
    
19. 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：

1. @echo off&setlocal enabledelayedexpansion
   
2. (for /f "delims=^<^> tokens=1-8" %%a in (index.txt) do (
   
3. set a=%%a
   
4.   set b=%%b
   
5.      set c=%%c
   
6.         set d=%%d
   
7.            set e=%%e
   
8.               set f=%%f
   
9.                  set g=%%g
   
10.                    set h=%%h
    
11. set /a "1/!a:~-11,-5!" 2>nul && echo,%%a
    
12. set /a "1/!b:~-11,-5!" 2>nul && echo,%%b
    
13. set /a "1/!c:~-11,-5!" 2>nul && echo,%%c
    
14. set /a "1/!d:~-11,-5!" 2>nul && echo,%%d
    
15. set /a "1/!e:~-11,-5!" 2>nul && echo,%%e
    
16. set /a "1/!f:~-11,-5!" 2>nul && echo,%%f
    
17. set /a "1/!g:~-11,-5!" 2>nul && echo,%%g
    
18. set /a "1/!h:~-11,-5!" 2>nul && echo,%%h
    
19. 
    
20. ))1.txt
    

复制代码

代码不足之处：不简练，会产生空行。请指教！！！

WHY

1. @echo off
   
2. for /f "tokens=2,4,6,8 delims=<>" %%i in ('findstr /i "[0-9]\.html" index.txt') do (
   
3.     echo;%%i
   
4.     echo;%%j
   
5.     echo;%%k
   
6.     echo;%%l
   
7. )
   
8. pause

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。

1. # python 3.5.1
   
2. # coding:utf-8
   
3. 
   
4. import re
   
5. 
   
6. try:
   
7.     with open(r"d:\desk\bat\test.html", "r") as file:
   
8.         for lines in file.readlines():
   
9.             data = re.findall(r"<(.+?)>",lines)
   
10.             for i in data:
    
11.                 print(i)
    
12. except:
    
13.     print("出现问题了,去www.bathome.net反馈")
    
14.     input("回车退出...")
    
15. input("回车退出...")

复制代码

依山居

正则表达式

1. 第\d+章.*?<(.*?)>

复制代码

这样可能更严谨点

1. 第\d+章.*?<(.*?\.html)>

复制代码

依山居

1. """
   
2. 2016年2月18日 08:20:03 codegay
   
3. """
   
4. import re
   
5. url=re.findall(r"<(/dushi/\d+/\d+.html)>",open("提取指定文本.py",encoding="utf-8").read())
   
6. [print(r,file=open("result.txt","a+")) for r in url]
   
7. 
   
8. 
   
9. """
   
10. 
    
11. * 其他类型</book/qita/>
    
12.   * 全本小说</change/quanben/>
    
13.   *
    
14. 
    
15. 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/>
    
16. 
    
17. 顶点小说<http://www.7ddw.com> -> 都市言情</book/dushi/> -> 重生之财色天下</book/dushi/1844/>
    
18.   
    
19. 
    
20. 重生之财色天下 最新章节更新列表
    
21. 
    
22.   
    
23. 
    
24. 重生之财色天下作者：天下第一白
    
25. 
    
26.   
    
27. 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>
    
28. 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>
    
29. """
    

复制代码

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

1. $ar = type index.txt | %{
   
2.     [regex]::Matches($_, '<(/.+?/\d{7}\.html)>', 'IgnoreCase') | %{$_.Groups[1].Value}
   
3. }
   
4. Out-File 1.txt -Input $ar -Encoding utf8

复制代码

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！