[网络工具] 批处理+VBS骗术网正文提取

小勇12

get-html-news.bat

@echo off&&setlocal enabledelayedexpansion
set line=1
set line0=1
set count=0
for /f "usebackq tokens=*" %%j in (`find /N  "正文begin" %1`) do (
if !line! NEQ 1 (ver>nul&&set/a line=line+1) else (set str1=%%j)
)
set /a line=!str1:~1,3!-1
if !line! equ 1 (
       echo                              文件没有正文
       ping -n 2 127.0.0.1 >nul&exit
                 )
::echo !line!
::pause>nul
for /f "usebackq tokens=*" %%j in (`find /N  "正文end" %1`) do (
if !line0! NEQ 1 (ver>nul&&set/a line0=line0+1) else (set str1=%%j)
)
set /a line0=!str1:~1,3!-1
::echo !line0!
::pause>nul
set path=%~dp1
set name=%~n1
set filename=%name:~-3,2%
set count=!line!
set str=
for /f "usebackq skip=%line% tokens=*" %%i in (%1) do (
set str=%%i
set /a count=count+1
if !count! equ !line0! (
echo                  正文提取完成 
for /l %%i in (1,1,100000) do ver>nul&start html.vbs !path!!filename!.txt&exit) else ( 
    if "!str!"=="" (ver>nul) else (
              echo !str!>>!path!tmp.txt

                    )
         )
)
复制代码

html.vbs 如下：

dim File
dim flag    '判断是标题还是正文
flag=0
Set FSO=CreateObject("Scripting.FileSystemObject")    
File=FSO.GetParentFolderName(WScript.ScriptFullName)&"\tmp.txt"
If File<>"" And FSO.FileExists(File) Then
  Set thefile=FSO.OpenTextFile(File,1,True)
Else
  Set thefile=FSO.OpenTextFile(FSO.GetParentFolderName(WScript.ScriptFullName)&"\tmp.txt",1,True)
End If
Set fin=FSO.OpenTextFile(WScript.Arguments(0),2,True)
Do While theFile.AtEndOfstream <> True
 
   
  
  if flag=0 then
  line=theFile.Readline 
  rv=title("articletitle.*[^</td>]",line)
  if rv="" then
  flag=0
  else
  rv=mid(rv,15,len(rv)-14)
  fin.WriteLine("                             "& rv)
  flag=1
  end if
  else
   if rv="" then
   flag=1
   else
   line=theFile.Readline
   code=code+line
   end if
 end if
Loop
   rv=zhengwen(code)
   hangshu=len(rv)/40+1 '确定每一行的字数
   for i=1 to hangshu
   fin.WriteLine(mid(rv,(i-1)*(40)+1,40))
   next
thefile.close()
fin.close()
FSO.deletefile(FSO.GetParentFolderName(WScript.ScriptFullName)&"\tmp.txt")
set thefile=nothing
set fin=nothing
Function title(patrn, strng) 
Dim regEx, Match, Matches
Set regEx = New RegExp 
regEx.Pattern = patrn 
regEx.IgnoreCase =True 
regEx.Global =True 
Set Matches =regEx.Execute(strng) 
For Each Match in Matches 
title=match.value
next
Set objRegExp = Nothing
End Function 
Function zhengwen(strHTML)
Dim regEx, Match, Matches
Set regEx = New RegExp 
regEx.IgnoreCase =True 
regEx.Global =True  
regEx.Pattern ="<ul.+?ul>"
Set Matches =regEx.Execute(strHTML) 
For Each Match in Matches 
out=match.value
next
regEx.Pattern ="<.+?>"
out=regEx.replace(out,"")
regEx.Pattern =" "       
out=regEx.replace(out,"")
regEx.Pattern ="\|.+?\|"
out=regEx.replace(out,"")
regEx.Pattern =".?\[.+?\].?"
out=regEx.replace(out,"")
regEx.Pattern ="3骗}术.*?>"
out=regEx.replace(out,"")
regEx.Pattern ="6骗1术%网"
out=regEx.replace(out,"")
regEx.Pattern ="\?骗\+术"
out=regEx.replace(out,"")
zhengwen=out
End Function
复制代码

介绍：本来是想用纯批写的，但是由于自己不是很懂findstr  无法用纯批写
最后选用了vbs中的正则表达式.
程序使用介绍，直接将迅雷下载的文件拖放到get-html-news.bat上即可
本批处理现今只能处理单个的文件。其实只要获得文件夹下文件列表即可实现批量处理。
还有一处在利用for 读文件时，有时会有一些问题，可能是由于一些特殊字符造成。
程序还有较多漏洞希望大家一起改进.