【完结】20元求提取文本

lxh623

文本a有四十万行，有些行内有中文标点符号。
文本tmp有180万行，前面是中文，中间是制表符，后面是数字。
想用a的每一行去搜索tmp，精确匹配tmp制表符前面的部分，提取tmp那一行到文本b。

另外，能不能在a和tmp都是UTF-8编码的条件下运行批处理，因为ANSI码，有些字不对了。（这一条，尽量。）
谢谢！

zaqmlp

1. @echo off
   
2. set info=互助互利,支付宝扫码头像,感谢赞助
   
3. rem 有问题,可加QQ956535081及时沟通
   
4. title %info%
   
5. start mshta VBScript:Execute("msgbox(""%info%""):close")
   
6. cd /d "%~dp0"
   
7. set "文件1=a.txt"
   
8. set "文件2=tmp.txt"
   
9. set "文件3=b.txt"
   
10. powershell ^
    
11.     $t1=@(gc '%文件1%' -enc UTF8);^
    
12.     $t2=@(gc '%文件2%' -enc UTF8);^
    
13.     $dic=New-Object 'System.Collections.Generic.Dictionary[string,string]';^
    
14.     [System.Collections.ArrayList]$arr=@();^
    
15.     for($i=0;$i -lt $t1.length;$i++){^
    
16.         if(-not $dic.ContainsKey($t1[$i].trimend())){$dic.Add($t1[$i].trimend(), '')};^
    
17.     };^
    
18.     for($i=0;$i -lt $t2.length;$i++){^
    
19.         $line=$t2[$i] -split '\t';^
    
20.         if($dic.ContainsKey($line[0])){[void]$arr.Add($t2[$i])};^
    
21.     };^
    
22.     out-file -file '%文件3%' -input ($arr -join "`r`n") -enc UTF8;
    
23. pause

复制代码

lxh623

突然有了自己的办法。emeditor里面排序，就可以，提取需要的行，或者删除一些行，得到符合要求的行。两步就一分为二。
excel里面删除相同项，是另外一个做法。
所以，我付了、结了，但是，没有尝试，因为批处理花时间得多。

还是谢谢！