【完结】50元求文字提取

lxh623

当前文件夹有许多子文件夹，其下都有子文件夹OEBPS，OEBPS下又有子文件夹juans。子文件夹juans含有一个或者多个xhtml文件。
在子文件夹juans的每一个xhtml文件中，用正则表达式提取<span class\="text\_2"><span class\="corr">(.{1,2})<\/span>，把提取的文本\1写入在子文件夹juans中新建的Cbeta.txt，编码是UTF-8，一行一个。
谢谢！

jyswjjgdwtdtj

<span class='corr'><span class="text_1">準提心要</span></span>
？？？
你确定你的要求是对的？

lxh623

準提心要
？？？
你确定你的要求是对的？
jyswjjgdwtdtj 发表于 2023-4-27 19:11

好像你下载了文件。
txt_1和txt_2，你没有分清吧。
当然，也许说的不完全清楚。
就是一行得到一个字。
谢谢！

jyswjjgdwtdtj

额 其实正则提取是蛮简单的 就是你这些奇怪的字符都是属于什么编码？我要知道正确的编码才能读到正确的内容

zaqmlp

1. <# :
   
2. cls&echo off&cd /d "%~dp0"&mode con lines=5000
   
3. path %SYSTEMROOT%\System32\WindowsPowerShell\v1.0;%path%
   
4. set "current=%cd%"
   
5. powershell -NoProfile -ExecutionPolicy bypass "Get-Content -literal '%~f0'|Out-String|Invoke-Expression"
   
6. pause
   
7. exit
   
8. #>
   
9. $current=($env:current).trimend('\');
   
10. $enc=New-Object System.Text.UTF8Encoding $False;
    
11. $folders=@(dir -literal $current -recurse|?{$_ -is [System.IO.DirectoryInfo]});
    
12. for($i=0;$i -lt $folders.length;$i++){
    
13.     if($folders[$i].Name -eq 'juans'){
    
14.         write-host $folders[$i].FullName -ForegroundColor yellow;
    
15.         $arr=New-Object -TypeName System.Collections.ArrayList;
    
16.         $files=@(dir -literal $folders[$i].FullName|?{('.xhtml' -eq $_.Extension) -and ($_ -is [System.IO.FileInfo])});
    
17.         for($j=0;$j -lt $files.length;$j++){
    
18.             write-host $files[$j].Name;
    
19.             $text=[IO.File]::ReadAllText($files[$j].FullName, $enc);
    
20.             $m=[regex]::matches($text, '<span class="text_2"><span class="corr">(.+?)</span>');
    
21.             foreach($it in $m){
    
22.                 [void]$arr.add($it.groups[1].value);
    
23.             }
    
24.         }
    
25.         $newfile=$folders[$i].FullName+'\Cbeta.txt';
    
26.         [IO.File]::WriteAllLines($newfile, $arr, $enc);
    
27.     }
    
28. }

复制代码

lxh623

回复 5# zaqmlp
请查收。
谢谢！