[文本处理] [已解决]求助批处理怎样取多个同一关键词行的下一行

hlzj88

某崖的小说遇到值的读的，想提取到一文本集中阅读楼主。
多个网页下载合并后，已提取到源码内容为   发言人  下一行为发言内容。由于网友回贴，造成如下示例的内容间杂。所以还需要提取楼主的发言并其他加工。格式大致如下

<divclass="atl-info"><span>楼主：<ahref="http://www
<divclass="bbs-contentclearfix">　　爷爷是传承五代人的  这行留
<divclass="atl-info"><span><strongclass="host">楼主</strong>：<ahref="http://www
<divclass="bbs-content">　　床尾站着一小仙，男，中批  这行留
<divclass="atl-info"><span><strongclass="host">其他发言人</strong>
<divclass="bbs-content">　　其他发言人的发言，特点长短不一，也可能引用楼主大段文字
<divclass="atl-info"><span><strongclass="host">楼主</strong>：<ahref="http://www
<divclass="bbs-content"><br>　　<imgsrc="http://static.tianyaui.com/img/static/2011/imgloading.gif"title="点击图片  这行留
<divclass="atl-info"><span><strongclass="host">楼主</strong>：<ahref="http://www
<divclass="bbs-content">　　那日入定，爷爷带  这行留

@echo on&&setlocal enabledelayedexpansion
for /f "tokens=1 delims=:" %%i in ('findstr /n "楼主" 33.txt') do (
  echo 楼主标志的行号 %%i
  set /a xy=%%i+1
  set js=
 for /f "delims=" %%m in ("33.txt") do (
  set /a js+=1
  if !xy!==!js! echo %%m>>44.txt
  echo 标准!xy!  计数!js!
)
)
pause
复制代码

我尝试写的代码，计数!js!永远为 1，因此提不到楼主发言。所以求助，感谢给予帮助。     结贴时对上面略改

pd1

上面这段文本最后提取出来的是什么样的？

hlzj88

回复 2# pd1
要2  4  8  10行，即有楼主的下一行。

pd1

回复 3# hlzj88


    我意思就谁要行号还是内容，要内容的话<divclass="bbs-contentclearfix">   <divclass="bbs-conte   这些内容全部都留着？

hfxiang

如不介意第3方工具gawk（ http://bcn.bathome.net/tool/4.1.0/gawk.exe ），假设下载合并后的文件为“1.txt”，则以下代码可实现

gawk "{if(A)if(B!=$0)if(NF){$0=gensub(/<.*>[　\t]*/,\"\",\"g\");print};A=0}/^楼主/{A=1;B=$0}" 1.txt>2.txt
复制代码

pd1

上面是行号，下面的是内容

<# :
@echo off
powershell -NoProfile -ExecutionPolicy bypass "Get-Content -literal '%~f0' |Out-String|Invoke-Expression"
pause
#>
$a=gc .\333.txt
0..($a.Length-1) |%{if($a[$_].contains(">楼主")){$_+2}}
复制代码

<# :
@echo off
powershell -NoProfile -ExecutionPolicy bypass "Get-Content -literal '%~f0' |Out-String|Invoke-Expression"
pause
#>
$a=gc .\333.txt
0..($a.Length-1) |%{if($a[$_].contains(">楼主")){$a[$_+1]}}
复制代码

pd1

http://www.bathome.net/viewthread.php?from=notice&tid=64034
和你的需求一样的帖子

fzp070

回复 3# hlzj88


    如下代码，可以达到楼主你的要求，在55.txt内，文字前面内容未去除

@echo off
setlocal enabledelayedexpansion
for /f "tokens=1 delims=" %%k in ('findstr /n .* 33.txt')do (echo %%k>>44.txt)

for /f "delims=:" %%i in ('findstr /n .">楼主" 33.txt') do (
  echo 楼主标志的行号 %%i
  set /a xy=%%i+1

for /f "tokens=1* delims=:" %%m in ('findstr .* 44.txt')do (
set tt=%%m
if !xy!==!tt! echo %%n>>55.txt
)
)
del /f/q 44.txt
pause
复制代码

最终结果(55.txt内容)：

<divclass="bbs-contentclearfix">　　爷爷是传承五代人的
<divclass="bbs-content">　　床尾站着一小仙，男，中批
<divclass="bbs-content"><br>　　<imgsrc="http://static.tianyaui.com/img/static/2011/imgloading.gif"title="点击图片
<divclass="bbs-content">　　那日入定，爷爷带
复制代码

fzp070

回复 3# hlzj88


   补充去除文字外的字符：

@echo off
setlocal enabledelayedexpansion
for /f "tokens=1 delims=" %%k in ('findstr /n .* 33.txt')do (echo %%k>>44.txt)

for /f "delims=:" %%i in ('findstr /n .">楼主" 33.txt') do (
  echo 楼主标志的行号 %%i
  set /a xy=%%i+1

for /f "tokens=1* delims=:" %%m in ('findstr .* 44.txt')do (
set tt=%%m
if !xy!==!tt! echo %%n>>55.txt
)
)
del /f/q 44.txt
for /f "tokens=1* delims=>　　" %%a in ('findstr .* 55.txt')do (
echo %%b>>66.txt
)
pause
复制代码

最终结果(66.txt内容)：

爷爷是传承五代人的
床尾站着一小仙，男，中批
<br>　　<imgsrc="http://static.tianyaui.com/img/static/2011/imgloading.gif"title="点击图片
那日入定，爷爷带
复制代码

hlzj88

谢谢楼上的各位，是要那些行的所有内容。

fzp070

回复 10# hlzj88


    那8楼符合，你试试

hfxiang

回复 10# hlzj88


   
如果所有信息都保留，5楼的可简化为

gawk "A;A=0;/^楼主/{A=1}" 1.txt>2.txt
复制代码

fzp070

回复 12# hfxiang


    好精简，不过我刚特意下载试了下，生成的2.txt/3.txt文件内为空且会变成UTF-8格式。是不是代码运用错了？

@echo off
gawk "{if(A)if(B!=$0)if(NF){$0=gensub(/<.*>[　\t]*/,\"\",\"g\");print};A=0}/^楼主/{A=1;B=$0}" 33.txt>2.txt
pause
gawk "A;A=0;/^楼主/{A=1}" 33.txt>3.txt
pause
复制代码

hfxiang

回复 13# fzp070


   
脚本及代处理文件（如你的“33.txt”）均需确保为ANSI编码格式方可

fzp070

回复 14# hfxiang


   文本和批处理，都是ANSI格式的，而且我提前准备了ANSI格式的2.txt和3.txt，待批处理运行后，就变成空的了，而且格式自动转为UTF-8了，你可以亲自试试。谢谢！