批处理之家 - Powered by Discuz! Board

标题: [文本处理] 【已解决】批处理如何去除html网页中的<>标签？ [打印本页]

作者: sweet惜缘 时间: 2015-5-11 10:47 标题: 【已解决】批处理如何去除html网页中的<>标签？

本帖最后由 pcl_test 于 2016-11-24 08:09 编辑

<!DOCTYPE html
PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN"
"http://www.w3.org/TR/html4/loose.dtd">
<html><head><title>LinkDB Search Result: KEGG DGROUP DG00012</title>
<meta http-equiv="Content-Style-Type" content="text/css">
<meta http-equiv="Content-Script-Type" content="text/javascript">
<link type="text/css" rel="stylesheet" href="/css/gn2.css">
<style>pre{font-family:monospace}</style>
</head>
<span style="color:#36c"><b>KEGG DGROUP</b></span>

<a href="/dbget-bin/www_bget?dg

G01633">DG01633</a> CYP3A4 substrate

<span style="color:#36c"><b>ATC</b></span>

事实上，我只需要留下红色部分
希望把红色数据继续再存到DG00012.txt里，该如何实现？

作者: sweet惜缘 时间: 2015-5-11 10:49

@bailong360

作者: chromatin2 时间: 2015-5-11 11:15

这个，用正则好。

作者: gawk 时间: 2015-5-11 11:25

请描述一下规律是什么，比如为何不留下 ATC 呢？

作者: fcxk 时间: 2015-5-11 13:10

好难折分，提了二组后面的，一组的又丢失

作者: sweet惜缘 时间: 2015-5-11 15:31

回复 4# gawk

ATC提出也可，我其实只想要红色信息部分，要是不容易，退而求其次，只余下除<>外内容也可，感谢！

作者: sweet惜缘 时间: 2015-5-11 15:31

回复 5# fcxk 、

ATC提出也可，我其实只想要红色信息部分，要是不容易，退而求其次，只余下除<>外内容也可，感谢！

作者: sweet惜缘 时间: 2015-5-11 15:32

回复 3# chromatin2

是~但是这个字符串太大，正则不好用

作者: gawk 时间: 2015-5-11 16:53

HtoX32c.exe 1.txt > 2.txt
复制代码

作者: sweet惜缘 时间: 2015-5-11 21:16

回复 9# gawk

用了之后没反应。。。。。

作者: sweet惜缘 时间: 2015-5-11 21:17

:'(忧愁。。。

作者: gawk 时间: 2015-5-11 21:21

回复 10# sweet惜缘

我这里测试没问题，你的HtoX32c.exe从哪里下载的？

作者: pcl_test 时间: 2015-5-11 21:23

本帖最后由 pcl_test 于 2015-5-11 22:03 编辑

@if(0)==(0) echo off
::如果非html格式文件，自行修改代码中的文件后缀名；修改原文件，测试前先备份好原文件
for %%a in (*.html) do (
CScript -NoLogo -E:JScript "%~f0" <"%%a" >"tmp_%%a"
move "tmp_%%a" "%%a"
)
pause & exit
@end
var s = WScript.StdIn.ReadAll().replace(/<[^>]+>/gm,"");
WSH.echo(s);
复制代码

作者: bailong360 时间: 2015-5-11 22:45

多来几个样本吧,找到规律的话用grep提取也不失为一种办法

作者: sweet惜缘 时间: 2015-5-12 11:06

回复 14# bailong360

多谢~楼上的方法就行拉~

作者: sweet惜缘 时间: 2015-5-12 11:06

回复 13# pcl_test

初步达到了我的目的~感谢！

欢迎光临批处理之家 (http://bbs.bathome.net/)