[已解决]批处理如何提取htm文件里的指定内容/字符串来重命名该文件？

lxh623

这里有几个文件。我自己有两千个。是下载的htm文件。
想提取部分字段来重命名htm。标题和作者字段，格式是，“标题--作者”，作者之间用逗号分隔。
原件中，标题有时候涉及到换行。作者也有两三行的可能。
谢谢！
http://pan.baidu.com/s/1dE7xjih

WHY

试试

1. @if (0)==(0) echo off
   
2. for /f "delims=" %%i in ('dir /b *.htm^|cscript //nologo //e:jscript "%~f0"') do ren %%i
   
3. pause & exit
   
4. @end
   
5. 
   
6. var getContent = function(strFile){
   
7.     var ado = new ActiveXObject('ADODB.Stream');
   
8.     ado.Type = 2;
   
9.     ado.Charset = 'UTF-8';
   
10.     ado.Open();
    
11.     ado.LoadFromFile(strFile);
    
12.     var s = ado.ReadText(-1);
    
13.     var title = s.match(/<title>(.+)<\/title>/i)[1];
    
14.     var author = [];
    
15.     var reg = /'color:#003300'>(.+?)</ig;
    
16.     while(arr = reg.exec(s)){author.push(arr[1])}
    
17.     ado = null;
    
18.     return (title + '--' + author).replace(/[\/\\|*?<>":]/g, '')
    
19. }
    
20. 
    
21. while(!WSH.StdIn.AtEndOfStream){
    
22.     var f = WSH.StdIn.ReadLine();
    
23.     var ext = f.replace(/.+(\.html?)$/i, '$1');
    
24.     WSH.Echo('"' + f + '" "' + getContent(f) + ext + '"');
    
25. }

复制代码

lxh623

试试
WHY 发表于 2016-5-13 15:14

谢谢了。我这里还是不行，运作一下，就说打不开'ADODB.Stream'，停止了。

WHY

回复 3# lxh623


    我这里测试没有你所说的问题，win7 SP1 64bit 中文旗舰版系统

试试下面的代码，需要用到第三方工具  
http://batch-cn.qiniudn.com/tool/win_iconv.exe
http://batch-cn.qiniudn.com/tool/2.22/grep.exe

1. @echo off & setlocal enabledelayedexpansion
   
2. set "reg=(?<=<title>).+(?=</title>)|(?<='color:#003300'>).+?(?=<)"
   
3. 
   
4. for /f "delims=" %%i in ('dir /b *.htm') do (
   
5.     set "newName="
   
6.     for /f "delims=" %%j in ('win_iconv -c -f utf8 -t gb2312 "%%i" ^| grep -ioP "%reg%"') do (
   
7.         if not defined newName (set newName=%%j--)else set "newName=!newName!%%j,"
   
8.     )
   
9.     for %%j in (/ \ : ^| ^< ^> ^") do set "newName=!newName:%%j=!"
   
10.     set "newName=!newName:?=!"
    
11.     ren "%%i" "!newName:~0,-1!%%~xi"
    
12. )
    
13. pause

复制代码

WHY

win7 及以上系统也可以这样，可读性差了点

1. @echo off
   
2. set "r1=(?i)<title>(.+)</title>"
   
3. set "r2=(?i)''color:#003300''>(.+?)<"
   
4. 
   
5. PowerShell -c "dir @('*.htm','*.html')|%%{$a=type $_ -encoding utf8;$b=[regex]::match($a,'%r1%').groups[1].value;$c=([regex]::matches($a,'%r2%')|%%{$_.groups[1].value}) -join ',';ren $_ -newName (($b+'--'+$c+$_.Extension) -replace '[/\\|*?<>:"]')}"
   
6. pause

复制代码