[文本处理] 【已解决】求助批处理提取JSON文件内特定文字后的信息

annwayili

基本情况：
文件是JSON，用记事本打开后，如下：（似乎是没有行的概念，整个文本就是一行/段）

[{"id":"e2e2ed190348ed30802f6f08f4f5c1b9","title":"中国证券监督管理委员会人才引进","enabled":1,"is_cloud_task":0,"url":"http://www.csrc.gov.cn/csrc/c100082/common_list.shtml?channelid=59b9842485ba41adad957f55cb90be52","icon":"http://www.csrc.gov.cn/favicon.ico","page":"","path":"div:nth-of-type(4)","ignore_path":"","click_path":"","data_path":"","scroll_down":"0","type":"dom","code":"200","json_query":"","json_header":"","json_data":"","json_data_format":"form","rss_field":"title","star":0,"ua":"","puppeteer_code":"","browser_code":"","shell_type":"javascript","shell_cookie_name":"COOKIE","shell_code":"","ai_prompt_on":"off","ai_prompt_user":"请提取返回值中的价格，并以数字形式返回。注意只返回数字，不要返回多余内容。返回值如下：{{value}}","replace_from_regex":"","replace_to_regex":"","tab_activity":"background","interval":"720","delay":"0","retry":10,"cron":"* * * * *".........（省略，此内容与上面的不重复）"last_time":1715225597400,"retry_times":0},{"id":"b96d4b076418874b2291e99362e86bf9","title":"重要通知-商务部外贸发展局","enabled":1,"is_cloud_task":0,"url":"https://www.tdb.org.cn/zytz/index.jhtml","icon":"https://www.tdb.org.cn/r/cms/www/default/img/favicon.ico","page":"","path":"div > div:nth-of-type(2) > div:nth-of-type(2) > div:nth-of-type(2) > div > ul","ignore_path":"","click_path":"","data_path":"","scroll_down":"0","type":"dom","code":"200","json_query":"","json_header":"","json_data":"","json_data_format":"form","rss_field":"title","star":0,"ua":"","puppeteer_code":"","browser_code":"","shell_type":"javascript","shell_cookie_name":"COOKIE","shell_code":"","ai_prompt_on":"off","ai_prompt_user":"请提取返回值中的价格，并以数字形式返回。注意只返回数字，不要返回多余内容。返回值如下：{{value}}","replace_from_regex":"","replace_to_regex".........（省略，此内容与上面的不重复）

具体要求：
1、提取,"title":后面的双引号内文字（不需要双引号）。
2、提取,"url":后面的双引号内网址（不需要双引号）。
3、以上两个提取内容之间加上一个空格以分隔。
4、提取文字及其后网址后，另起一行来提取下一个。
5、在每一行前面加上三位数的行号，以001开始（即不足三位则前面补0）；同时加一个空格分开。
    按上述，则提取后文字为：
001 中国证券监督管理委员会人才引进 http://www.csrc.gov.cn/csrc/c100082/common_list.shtml?channelid=59b9842485ba41adad957f55cb90be52
002 重要通知-商务部外贸发展局 https://www.tdb.org.cn/zytz/index.jhtml

6、最后在同级文件夹内生成相应TXT文件，以原文件名加上“内容提取”这四个字来重命名。比如原文件为“ABC.JSON”，则生成“ABC内容提取.txt”
7、最好是能把JSON拖到BAT文件上就能完成提取。

请大家帮忙一个！
谢谢！


网盘下载：
链接：https://pan.baidu.com/s/1BJ-6N2KLgoPIXCDMhU-HHA?pwd=4188
提取码：4188
--来自百度网盘超级会员V9的分享

newswan

发文件
用 powershell 可行

annwayili

回复 2# newswan

已上传至百度网盘。

hfxiang

回复 1# annwayili

用gawk5.1.0（ http://bcn.bathome.net/tool/5.1.0/gawk.exe 经测试，只有这个链接的版本可实现，其它版本测试有问题）的实现方式如下：

gawk -v"RS=," -F"\042" "/\042title\042:\042/{A=$4}/\042url\042:\042/{if(A)print A,$4;A=\"\"}" Check.17152.json>link_out.txt
复制代码

hfxiang

回复 1# annwayili
如需行号，请用如下gawk5.1.0（ http://bcn.bathome.net/tool/5.1.0/gawk.exe ）脚本：

gawk -v"RS=," -F"\042" "/\042title\042:\042/{A=$4}/\042url\042:\042/{if(A)printf\"\04503d \045s \045s\n\",++i,A,$4;A=\"\"}" Check.17152.json>link_out.txt
复制代码

annwayili

回复 5# hfxiang


    谢谢！

    系统WIN11X64，  改为下载gawk64程序了。

77七

按要求7方式执行

@echo off
rem "批处理保存为utf-8编码格式"
chcp 65001 >nul
for %%i in (%*) do (
	if exist "%%~i" (
		set n=
		(for /f tokens^=2^,8^,10delims^=^" %%a in ('powershell -c "(Get-Content '%%~i' -Encoding UTF8) -replace 'title', [Environment]::NewLine"') do (
			if /i "%%b" equ "url" (
				set /a n+=1001
				call echo %%n:~-3%% %%a %%c
			)
		))>"%%~ni内容提取.txt"
	)
)
pause
复制代码

annwayili

回复 7# 77七


    非常好！
    十分感谢！


补充一下，发现了一个小问题：
---有两个json文件生成的TXT，分别是从002、003打头开始
    显然，BAT是正确识别了JSON前面还有要提取的内容
    但不知为什么，不是从001开始。
    这两个生成的TXT都是207行，实际应该是208行和209行才对。（再多的就没有试了，因为当前最大就是这两个文件了。）
---比上面两个文件稍小的JSON生成的TXT，正确地从001开始，至204行正确结束。
---其它文件更小一点，都正确生成。

buyiyang

5楼的代码用cmd执行，

这是powershell代码：

dir *.json|ForEach-Object{$i=0;(gc $_ -Encoding UTF8 |ConvertFrom-Json).checks.foreach({"{0:D3} {1} {2}"  -f ++$i,$_.title,$_.url})|sc ($_.BaseName+'内容提取.txt')}
复制代码

annwayili

回复 9# buyiyang


谢谢帮助！ 这个powershell代码很好用！

把gawk64.exe复制到同一文件夹内，用CMD运行5楼的脚本，也成功生成正确内容的link_out文本文档了

buyiyang

回复 10# annwayili


    9楼代码有个小问题，改了一下。
用gawk注意gawk.exe要在cmd工作目录。

annwayili

回复 11# buyiyang


    再次感谢！刚好也复制程序去操作了

77七

回复 8# annwayili


   应该是文本没那么规律。用其它脚本就好。

annwayili

回复 13# 77七


    效果很不错了！拖曳很方便！！