qixiaobin0715

没看太明白：
1.1-14、1-26、25-38、25-52是如何对应的；
2.用记事本打开htm文件后，你所说的序列行有何特点，如何就确定这行就是你所要的。

13545876873

回复 26# qixiaobin0715



htm文件不是用记事本打开哈，就用网页打开。

13545876873

回复 26# qixiaobin0715


   

13545876873

回复 26# qixiaobin0715

13545876873

回复 26# qixiaobin0715


比如
5001-1-14就是第一行：第1个字母到 第572个的全部 字母；       在把文件从测序结果剪切到相应文件夹之后，同时新建一个5001-1-14的文本，并把这段字母复制进去
5001-1-26就是第一行：第1个字母到 第1064个的全部 字母；     在把文件从测序结果剪切到相应文件夹之后，同时新建一个5001-1-26的文本，并把这段字母复制进去
5001-25-38就是第一行：第972个字母到 第1550个的全部 字母；      在把文件从测序结果剪切到相应文件夹之后，同时新建一个5001-25-38的文本，并把这段字母复制进去
5001-25-52就是第一行：第972个字母到 第2138个的全部 字母          在把文件从测序结果剪切到相应文件夹之后，同时新建一个5001-25-52的文本，并把这段字母复制进去
5001就是第一行：第1个字母到 第2138个的全部 字母   ；                         最后同时新建一个5001的文本，把第一行全部字母复制进去

yakeyun

回复 22# 13545876873

代码备份留存，如果单纯的只需要提取11~24行信息，可以用下面的代码，但是你的文件没有规律，且文件用记事本打开一行的内容太长了，最主要的是要你自己明白这个文件和其它文件是否有规律，比如字符位置是否固定等等。

@echo off&setlocal enabledelayedexpansion
set today=2022.5
set mls=5001
set txts=5001-11-24
for /f %%d in ('dir /a /s /b "D:\基因合成\!today!\!mls!\*.htm"') do (
for /f "skip=10 tokens=*" %%e in (%%d) do (
set op=%%e
set /a m+=1
if !m! LEQ 14 (
echo !op!
)
)
) >D:\基因合成\!today!\!mls!\!txts!.txt
(
for /f %%i in ('type D:\基因合成\!today!\!mls!\!txts!.txt') do (
echo %%i
)
)>D:\基因合成\!today!\!mls!\!mls!.txt
exit
复制代码

13545876873

大哥   回复 23# yakeyun
你的这个5001-11-24我运行出来是这样的
不是我想要的结果哈 ；
比如5001-11-24，我想要的是5001-11（397：451）的首（第397个字母），
                                     到5001-24（934：988）的尾（第988个字母），之间的所有字母（文档里只要这些字母，其他的字母符号都不要）

这个是根据从测序结果文件夹里，剪切到基因合成文件夹里的ab1格式文件，的名字来选的哈（红框框处）

我想要所有从测序结果文件夹里，剪切到基因合成文件夹里的ab1格式文件，都会根据名字上的红框框处，自动生成一个txt文档（并把这两个数字之间的字母复制进去）

yakeyun

回复 24# 13545876873
你这个获取的结果已经很明显了，说明html文件并不是TXT文件里面的行内容，需要你自己找一下规律，然后根据规律来截取。
比如第十行有数据，那么第十行的第几个到第几个是固定字符，或者字符被特殊字符夹在中间等。只有有规律的文本才能被批处理。

比如我帮你找出来的规律，你的5001.txt序列文件，可以用我上面发的代码获取到，不过代码要改成下面这个。
从取值可以看到，所有类容都是一行显示，为了发现规律，我故意将前面“><span”后面的字符分行。那么剩下的规律就是将取值进行赋值，
比如获取到的“5001-11-24.txt”文本，除了文件头和文件尾没有规律，中间部分全部都是规律字符，只需要将结果做4次替换，就可以取到正确结果。

@echo off&setlocal enabledelayedexpansion
set txts=5001-11-24
for /f %%d in ('dir /a /s /b ".\*.htm"') do (
for /f "skip=9 tokens=*" %%e in (%%d) do (
set op=%%e
set /a m+=1
if !m! LEQ 1 (
echo !op!
)
)
) >.\!txts!.txt
复制代码

通过替换法测试发现，提取后的文本，只需要再次替换下面4处文本即可：

<tr><td>5'--&gt;3'</td><td style="color:silver">
<span style="color:red;">
</span>
</td></tr>

13545876873

回复 25# yakeyun

大哥，htm的规律是这样的哈：  

xczxczxcz

给你一个WIN10的吧，至少PS>4.0
要保存哪些文件自行按格式修改， 脚本保存为 xxx.ps1

$html = gc '.\5001.htm' -Raw -Encoding UTF8;

$oligos_arr=[regex]::Matches($html, '(?i)(?<=<tr><td>oligos.*?style.*?>)[^<]+').value.Foreach{
	($_.Trim('|') -replace '&nbsp;|[@\(+\)]' -split '\|').Foreach{
		$e=$_.split(':');
		@{ID=$e[0].Trim('-'); begin=[int]$e[1]; end=[int]$e[2]; }
	}
}

$_5gt3=[regex]::Match($html, "(?<=5'--&gt;3'.*?style.*?>).*?(?=</td>)").value -replace '<.*?>';
#$_3lt5=[regex]::Match($html, "(?<=3'&lt;--5'.*?style.*?>).*?(?=</td>)").value -replace '<.*?>';

<# 5000-1-14 ... #>
('5001-1-14','5001-1-26','5001-25-38','5001-25-52').ForEach{
	$arr=$_.split('-');
	$index1=$oligos_arr.ID.IndexOf($arr[0]+'_'+$arr[1]);
	$index2=$oligos_arr.ID.IndexOf($arr[0]+'_'+$arr[2]);

	if($index1 -ne -1 -and $index2 -ne -1){
		[int]$t1=$oligos_arr[$index1].begin - 1;
		[int]$t2=$oligos_arr[$index2].end - 1;
		sc ".\$_.log" -Value (-join($_5gt3[$t1..$t2])) -Force -Verbose -NoNewline;
	}
}

[Console]::Write("全部完成 按任意键退出");
[void][Console]::ReadKey();
复制代码

qixiaobin0715

回复 22# 13545876873
你先看一下6楼代码能完成先前的需求吗？

13545876873

回复 25# yakeyun
大哥，你的意思是这样的吧
但这不是我想要的呀
你这个方法最后把<tr><td>5'--&gt;3'</td><td style="color:silver">这些字符删除后，文本里就是5001的全部的2138个字母；然后我再去手动查找截取，，，那也可以直接再htm文件里复制粘贴到txt里了啊:'(
                      <span style="color:red;">
                      </span>
                     </td></tr>

我想要的是能不能：我测序结果文件夹里有很多ab1文件：[K3746-5001-1-26-PUC57]M13-48_B03 ；  [K3746-5001-25-48-PUC57]M13-48_B03；
                                                                         [T4567-5003-25-48-PUC57]M13-47_C03 ;     [V2001-5002-25-48-PUC57]M13-47_C03 等等
                                                                     第一步： 在我用一个bat把这些ab1文件剪切到相应的基因合成文件夹5001，5001，5003，5002等等里后，每个文件夹里已经有一个相应的htm文件：5001.htm，5001.htm，5003.htm，5002.htm等等
   第二步：在这些ab1文件被剪切进去后，相应的文件夹根据下面图片红框框处，自动生成一个txt文档（并把这两个数字之间的字母复制进去）[url=https://imgtu.com/i/XpY3bd][/url

:'( :'( :'(

13545876873

回复 27# xczxczxcz


大哥，你这个要保存什么，的自己修改，那我有很多文件夹：5002，5003。。。。5100       那和直接在htm上复制粘贴没啥区别了呀 :'(

yakeyun

回复 30# 13545876873

把27楼代码保存为MyScript.ps1：

$html = gc '.\5001.htm' -Raw -Encoding UTF8;

$oligos_arr=[regex]::Matches($html, '(?i)(?<=<tr><td>oligos.*?style.*?>)[^<]+').value.Foreach{
	($_.Trim('|') -replace '&nbsp;|[@\(+\)]' -split '\|').Foreach{
		$e=$_.split(':');
		@{ID=$e[0].Trim('-'); begin=[int]$e[1]; end=[int]$e[2]; }
	}
}

$_5gt3=[regex]::Match($html, "(?<=5'--&gt;3'.*?style.*?>).*?(?=</td>)").value -replace '<.*?>';
#$_3lt5=[regex]::Match($html, "(?<=3'&lt;--5'.*?style.*?>).*?(?=</td>)").value -replace '<.*?>';

<# 5000-1-14 ... #>
('5001-1-14','5001-1-26','5001-25-38','5001-25-52').ForEach{
	$arr=$_.split('-');
	$index1=$oligos_arr.ID.IndexOf($arr[0]+'_'+$arr[1]);
	$index2=$oligos_arr.ID.IndexOf($arr[0]+'_'+$arr[2]);

	if($index1 -ne -1 -and $index2 -ne -1){
		[int]$t1=$oligos_arr[$index1].begin - 1;
		[int]$t2=$oligos_arr[$index2].end - 1;
		sc ".\$_.txt" -Value (-join($_5gt3[$t1..$t2])) -Force -Verbose -NoNewline;
	}
}

[Console]::Write("全部完成!");
复制代码

同目录下放一个MyScript.bat：

@echo off
PowerShell.exe -ExecutionPolicy Bypass -Command "& '%~dpn0.ps1'"
exit
复制代码

直接执行MyScript.bat即可实现自动提取数据，虽然不懂Powershell功能，但是感觉比批处理还是要功能更强大一些。

13545876873

回复 27# xczxczxcz

大哥用你和 31楼大哥的方法，我在其他的文件夹里也试过了，运行没有问题

      能不能在文件夹（2022)外面搞一个bat，这个bat可以把这个文件夹（2022)  里的所有子文件夹（5001，5002，5003，5004等等），
      按照文件夹里的ab1文件上的区间，把所有文件夹都生成相信的txt文档啊