批处理之家 - Powered by Discuz! Board

标题: [文本处理] [已解决]批处理如何从以下格式文件得到指定的格式？ [打印本页]

作者: llsilver 时间: 2012-6-13 20:29 标题: [已解决]批处理如何从以下格式文件得到指定的格式？

是处理url用的，大概有400万行，原本想用excel筛选功能，手动处理，累一点就累一点吧，结果excel不支持这么多行，我晕。
需要处理的格式如下：

http://www.baidu.com/957
http://www.baidu.com/4759
http://www.baidu.com/?page=14
http://www.baidu.com/archive/123
http://www.baidu.com/archive/asd
http://www.baidu.com/category/232
http://www.baidu.com/category/lalala
http://www.baidu.com/entry/1223
http://www.baidu.com/entry/aaa
http://www.baidu.com/unknow-----------------------（这里的unknown表示无特征英文字母）
http://www.baidu.com/111%3Fxxx
复制代码

想要用批处理，有3种需求：

需求1：只保留这样的url

http://www.baidu.com/957
http://www.baidu.com/4759
复制代码

需求2：只保留这样的URL

http://www.baidu.com/archive/123
http://www.baidu.com/archive/asd
复制代码

需求3：只保留这样的URL

http://www.baidu.com/category/232
http://www.baidu.com/category/lalala
复制代码

需求2、3估计很好实现，最重要的是需求1。。。

不管结果如何，先谢过所有看过此贴的朋友。

作者: CrLf 时间: 2012-6-13 20:40

本帖最后由 CrLf 于 2012-6-13 21:25 编辑

@echo off
findstr /x "http://[^/]*/[0-9]*" url.txt>1.txt
findstr /x "http://[^/]*/archive/.*" url.txt>2.txt
findstr /x "http://[^/]*/category/.*" url.txt>3.txt
复制代码

作者: llsilver 时间: 2012-6-13 21:21

回复 2# CrLf
谢谢斑斑，如果网址不是只有baidu.com
如果还有21.cn
google.com.hk
cctv.cn
sina.com.cn
这样的呢，又该如何写？
呵呵，得寸进尺了

作者: CrLf 时间: 2012-6-13 21:24

回复 3# llsilver

代码已修改，建议以后在顶楼将要求一次性说清，避免绕弯子。

作者: llsilver 时间: 2012-6-13 21:43

回复 4# CrLf
谢谢斑斑，下次一定注意

作者: poter 时间: 2012-6-14 19:18

我觉得自己挺有创造性的，这样都可以泡制出来

@echo off
setlocal enableDelayedExpansion
for /f "tokens=*" %%i in ('findstr /v "page" url.txt') do (
set a=%%i&set "a=!a:/= !"
for %%j in (!a!) do (
if "%%j"=="archive" echo %%i>>2.txt
if "%%j"=="category" echo %%i>>3.txt
set /a b=%%j+0 2>nul
if "!b!" gtr "0" echo %%i>>1.txt
)
)

作者: poter 时间: 2012-6-14 19:25

回复 2# CrLf

大侠，[^/]代表是什么？我看了cmd里的解释，什么补字符集，理解起来很头痛啊，有没有通俗易懂的说法？

作者: CrLf 时间: 2012-6-14 20:11

回复 7# poter

见：http://bbs.bathome.net/viewthread.php?tid=14682
假如将数字看作字符集下的一个集合，那么数字集的补集就是所有非数字字符，findstr 中的 [0-9] 匹配的是一个阿拉伯数字，比如 0，那么 [^0-9] 的意思（前者的补集）就是一个不是阿拉伯数字的字符，比如 b

作者: poter 时间: 2012-6-14 20:42

回复 8# CrLf

原来是这样，那儿[^/]就代表所有非特殊符号的集合咯？

十分感谢！！

作者: CrLf 时间: 2012-6-14 20:45

回复 9# poter

[^/] 代表除 / 之外的所有字符，因为 url 以 / 分节，所以 [^/]* 能够匹配一整节的内容

欢迎光临批处理之家 (http://bbs.bathome.net/)