[已解决]如何根据txt文件中的关键字提取html文件中的网址

随风

如何根据txt文件中的关键字提取html文件中的网址
a.txt为关键字,要提取cs.html中关键字左边的网址,各位有什么好方法.

补充说明：用 sed 等第三方也可以

a.txt

1. 
   
2. 前扑后继
   
3. 太紧
   
4. 亚克西填词大赛
   
5. 春天的故事
   
6. 答记者问－－送点土特产…
   
7. 感谢你,孔子
   
8. 海豚湾
   

复制代码

cs.html

随风

用 sed 等第三方也可以

Batcher

1. @echo off
   
2. cd.>b.txt
   
3. for /f "delims=" %%a in (a.txt) do (
   
4.     sed -n "s/.*<a href="\^(.*\^)" target=.*title="%%a".*/\1/p" cs.html | more >>b.txt
   
5. )

复制代码

http://bbs.bathome.net/thread-3981-1-1.html

随风

3# Batcher

漏掉了第5个，是什么原因？？

Batcher

4# 随风

1. @echo off
   
2. cd.>b.txt
   
3. for /f "delims=" %%a in (a.txt) do (
   
4.     sed -n "s/.*<a href="\^(.*\^)" target=.*title=.*%%a.*/\1/p" cs.html | more >>b.txt
   
5. )

复制代码

CrLf

4# 随风


关键词含通配

Demon

效率低下

1. 
   
2. @ECHO OFF
   
3. SETLOCAL ENABLEDELAYEDEXPANSION
   
4. FOR /F %%i IN (a.txt) DO (
   
5.     FOR /F "delims=" %%j IN ('FINDSTR /R "%%i" cs.html') DO (
   
6.         SET html=%%j
   
7.         SET html=!html:^<=!
   
8.         SET html=!html:^>=!
   
9.         FINDSTR /R "%%i" !html! 2> error.txt
   
10.         FOR /F "delims=" %%k IN (error.txt) DO (
    
11.             SET /A line += 1
    
12.             SET arr[!line!]=%%k
    
13.             ECHO %%k | FINDSTR /R "%%i" > NUL && ( SET /A line -= 2 & CALL ECHO %%i %%arr[!line!]:~26%% )
    
14.         )
    
15.     )
    
16. )
    
17. DEL error.txt & PAUSE
    

复制代码

batman

正则搞死人，replace死都搞不定，只好用execute方法了：

1. 
   
2. Dim regex, fso, vbstr, regstr, vbout
   
3. Set fso = CreateObject("scripting.filesystemobject")
   
4. vbstr = fso.OpenTextFile("cs.html", 1).ReadAll()
   
5. regstr = replace("(" & Replace(fso.OpenTextFile("a.txt", 1).ReadAll(), vbCrLf, "|") & ")", "…", "")
   
6. RegExptest vbstr
   
7. fso.OpenTextFile("url.txt", 2, 1).Write vbout
   
8. Set fso = Nothing
   
9. 
   
10. Function RegExptest(rgstr)
    
11.   Dim match
    
12.   Set regex = New RegExp
    
13.   regex.Global = True
    
14.   regex.IgnoreCase = True
    
15.   regEx.pattern = "<a\s+[.\n]*?href=""(\w+://[^:\s]+)?""[^<>]+""" & regstr & """>"
    
16.   For Each match In regex.Execute(rgstr)
    
17.     vbout = vbout & match.Submatches(0) & vbCrLf
    
18.   Next
    
19.   Set regex = Nothing
    
20. End Function
    

复制代码

batman

干脆帮你把它们全下下来，都保存在韩寒文件夹中:

1. 
   
2. Dim regex, fso, vbstr, regstr, vbout, oxml, ostream
   
3. Set fso = CreateObject("scripting.filesystemobject")
   
4. If Not fso.FolderExists("韩寒") Then fso.CreateFolder("韩寒")
   
5. Set ohttp = CreateObject("microsoft.xmlhttp")
   
6. Set ostream = CreateObject("adodb.stream")
   
7. vbstr = fso.OpenTextFile("cs.html", 1).ReadAll()
   
8. For Each regstr In  Split(replace(fso.OpenTextFile("a.txt", 1).ReadAll(), "…", ""), vbCrLf)
   
9.   RegExptest vbstr
   
10. Next
    
11. Set fso = Nothing
    
12. Set ohttp = Nothing
    
13. Set ostream = Nothing
    
14. MsgBox "ok"
    
15. 
    
16. Function RegExptest(rgstr)
    
17.   Dim match
    
18.   Set regex = New RegExp
    
19.   regex.Global = True
    
20.   regex.IgnoreCase = True
    
21.   regEx.pattern = "<a\s+[.\n]*?href=""(\w+://[^:\s]+)?""[^<>]*""" & regstr & """>"
    
22.   For Each match In regex.Execute(rgstr)
    
23.     dowload match.Submatches(0)
    
24.   Next
    
25.   Set regex = Nothing
    
26. End Function
    
27. 
    
28. Function dowload(url)
    
29.   ohttp.open "get", url, False
    
30.   Do Until ohttp.readyState = 1 : WScript.Sleep 200 : Loop
    
31.   ohttp.send()
    
32.   ostream.Mode = 3
    
33.   ostream.Type = 1
    
34.   ostream.Open()
    
35.   ostream.Write ohttp.responseBody
    
36.   ostream.SaveToFile "韩寒" & regstr & ".html", 2
    
37.   ostream.Close
    
38. End Function
    

复制代码

w1983912

.....php 能直接匹配  并输出或调用   10行代码都不到

Demon

效率低下
@ECHO OFF
SETLOCAL ENABLEDELAYEDEXPANSION
FOR /F %%i IN (a.txt) DO (
    FOR /F "delims=" %%j IN ('FINDSTR /R "%%i" cs.html') DO (
        SET html=%%j
        SET html=!html:^=!
      ...
Demon 发表于 2011-5-31 22:11

改了一下，效率稍微好点

1. 
   
2. @ECHO OFF
   
3. SETLOCAL ENABLEDELAYEDEXPANSION
   
4. FOR /F "delims=" %%i IN ('FINDSTR "articleCell" cs.html') DO (
   
5.     SET html=%%i
   
6.     SET html=!html:^<=!
   
7.     SET html=!html:^>=!
   
8.     SET html=!html:"_blank" =!
   
9.     SET html=!html: target=!
   
10. )
    
11. FINDSTR %html% 2> err.txt
    
12. FOR /F %%i IN (a.txt) DO (
    
13.     FOR /F "tokens=1-2 delims==" %%j IN ('FINDSTR "%%i" err.txt') DO (
    
14.         ECHO %%i %%k
    
15.     )
    
16. )
    
17. DEL err.txt & PAUSE
    

复制代码

Batcher

10# w1983912


那个，批处理不是只有5行么。

Demon

10# w1983912


那个，批处理不是只有5行么。
Batcher 发表于 2011-6-1 10:03

先用C语言写个EXE，然后用批处理调用，只需要1行。