批处理之家 - Powered by Discuz! Board

标题: [文本处理] 【已解决】BAT：统计文件夹内文本个数，并提取相关数据 [打印本页]

作者: 思想之翼 时间: 2022-11-22 02:17 标题: 【已解决】BAT：统计文件夹内文本个数，并提取相关数据

本帖最后由思想之翼于 2022-11-22 17:18 编辑

D:\data\内有若干文本
文本001 记录数据
1 2 3 4 5
6
7
文本002 记录数据
1 2 3 4
8
文本003 记录数据
1 2 3
9
0

欲统计D:\data\内的文本数量（本例3个文本）
然后合并D:\data\内的文本，取出现3次（有3个文本）的数据，写入D:\data\统计.txt（本例出现3次的数据:1 2 3 ；若没有出现3次的数据，则统计.txt文本为空）

若D:\data\内的文本数量为0，则写入D:\data\的统计.txt文本为空

作者: hfxiang 时间: 2022-11-22 10:16

将

1 2 3 4 5
6
7
复制代码

以ANSI编码格式保存为001.txt
将

1 2 3 4
8
复制代码

以ANSI编码格式保存为002.txt
将

1 2 3
9
0
复制代码

以ANSI编码格式保存为003.txt

下载64位版本的gawk64（ http://bcn.bathome.net/tool/gawk64.exe ）（注意32位的不支持"0*.txt"文件输入方式）
执行：

gawk64 "FNR==1{No++;print FILENAME}NR==FNR{if(NF){for(i=0;i++<NF;)if($i)a[$i]=No}next}NF{for(i=0;i++<NF;)if($i)if($i in a)if(a[$i]==No-1)a[$i]=No}END{printf \"\nTotal Files:\t%d\n\n\",No;for(id in a)if(a[id]==No)print id}" "D:\data\0*.txt" >"D:\data\统计.txt"
复制代码

结果（"D:\data\统计.txt"）

D:\data\001.txt
D:\data\002.txt
D:\data\003.txt

Total Files:    3

1
2
3
复制代码

注意：当不存在"D:\data\0*.txt"文件时，将报错

作者: WHY 时间: 2022-11-22 13:12

本帖最后由 WHY 于 2022-11-22 13:13 编辑

<# :
@echo off
PowerShell -Noprofile -C ". ([ScriptBlock]::Create((gc -Literal '%~f0') -join \"`r`n\"))"
pause & exit /b
#>

$path = 'D:\Data\';    #源文件存放路径
$dic  = New-Object 'System.Collections.Generic.Dictionary[string, int]'; #字典，key=数据，value=个数
$res  = [Collections.ArrayList]@();                                      #数组，存放结果

forEach( $file In (dir -Literal $path -Filter *.txt) ){
    $hash  = @{};
    $arr   = [IO.File]::ReadAllLines($file.FullName) -split '\s+' -notMatch '^$';
    $count = $arr.Count;
    for( $i = 0; $i -lt $count; $i++ ){
        if( -Not $hash.ContainsKey($arr[$i]) ){
            $hash.Add( $arr[$i], $true );          #单个文件数据去重
            $dic[$arr[$i]]++;                      #统计数据个数
        }
    }
    $num++;   #文件个数
}

forEach( $key In $dic.Keys ){
    if( $dic[$key] -eq $num ){
        [void]$res.Add($key);
    }
}

[IO.File]::WriteAllLines( $path + 'result.Log', $res );
复制代码

作者: terse 时间: 2022-11-22 15:37

本帖最后由 terse 于 2022-11-22 16:20 编辑

处理D盘DATA文件夹的文件要修改一下代码加个过滤

@if(0)==(0) echo off
cd /d "D:\data\"
dir /b /a-d  "*.txt" | findstr /ixv "统计.txt" | cscript.exe //NoLogo //E:JScript %0
pause&goto:eof
rem 保存为ANSI文件
@end
var fso = new ActiveXObject("Scripting.FileSystemObject");
var obj = {},f = "统计.txt";
while( !WSH.StdIn.AtEndOfStream ){
          var file = WSH.StdIn.ReadLine();
          var fi = fso.OpenTextFile(file, 1);
          var text = fi.ReadAll().replace(/[\r\n\s]/gm,'').split('');
          fi.Close();
          for(var i=0,len = text.length; i < len; i++) {
                var tmp = text[i];
                obj[tmp] = (obj[tmp] > 0 ) ? obj[tmp] + 1 : 1;
          }
}
var result = '';
for (var k in obj) {  if (obj[k]>2) { result += ( result=='' ) ? k :  " " + k } }
fso.CreateTextFile(f, true).Write( result );
WSH.Echo('重复数据：',result)
复制代码

@echo off
rem 保存为ANSI文件
cd /d "d:\data\"
dir /b /a-d  "*.txt" | findstr /ixv "统计.txt" | gawk "{for(i=1;i<=NF;i++)a[$i]++}END{for(x in a) if (a[x] >2) printf x FS}" *.txt    >"统计.txt"
pause
复制代码

欢迎光临批处理之家 (http://bbs.bathome.net/)