[文本处理] 批处理如何提取文本中开头前五个字符相同的行中后五位数值最大的行

necnec1

批处理怎样精减文本内容？
R1E0030014
C3AP004345
D1EC013342
Q2ECA00875
R1E0030055
R1E0030054
D1EC023342
C3AP002345


上面的例子  文本文件AA.TXT   前五位不要动 是固定的 后五位是数字 最小是00001最大是99999
举个例子  R1E00这一组总共有3个  30014  30054 30055
说的简单点就是把最大的R1E0030055 提取出来就行了 其他不要

最后的结果如下
R1E0030055
C3AP004345
D1EC023342
Q2ECA00875

apang

试试看

@echo off&setlocal enabledelayedexpansion
(for /f "delims=" %%a in ('sort /r aa.txt') do (
   set "a=%%a"
   if "!a:~,5!" neq "!b:~,5!" echo,!a!
   set "b=%%a"
))>bb.txt
pause
复制代码

necnec1

回楼上的 我那数据有150万左右  那批处理运行了好几个小时还没动静 呵呵 好慢的说

CrLf

纯批，这方案在碰到数据量大时会非常慢：

@echo off&setlocal enabledelayedexpansion
for /f "delims=" %%a in (a.txt) do (
	set str=%%a
	set $!str:~,5!=!str:~5!
)
(for /f "tokens=1* delims=$=" %%a in ('set $ ') do echo %%a%%b)>b.txt
pause
复制代码

另一个方案，sort+sed，其中sed需要下载：

sort a.txt|sed -n "H;${g;s/\(\<.....\).....*\1/\1/g;s/^\n//;p}">b.txt
复制代码

apang

vbs试试？应该比纯批快

Set fso = CreateObject("Scripting.FileSystemObject")
Set dic = CreateObject("Scripting.Dictionary")
Set file = fso.OpenTextFile("aa.txt")

Do until file.AtEndOfStream
   strLine = RegEx(file.ReadLine)
   If strLine <> "" Then
      str1 = Left(strLine,5) : str2 = Right(strLine,5)
      IF Not dic.Exists(str1) Then
         dic.Add str1,str2
      Else
         dic.Item(str1) = dic.Item(str1) & vbLf & str2
      End If
   End If
Loop

a = dic.Keys
For i = 0 to UBound(a)
   b = Split(dic.Item(a(i)),vbLf)
   Max = "00000"
   For j = 0 to UBound(b)
      If b(j) > Max Then Max = b(j)
   Next
   str = str & a(i) & Max & vbCrLf 
Next
fso.CreateTextFile("bb.txt",True).Write Str

MsgBox "OK"

Function RegEx(strLine)
   Set re = New RegExp
   re.Pattern = "\s+"
   re.Global = True
   RegEx = re.Replace(StrLine,"")
End Function
复制代码

powerbat

@set @n=0/*
@echo off
sort aa.txt | cscript.exe -nologo -e:jscript "%~f0" %*
pause
exit/b*/

WScript.StdIn.ReadAll().replace(
  /^(\w{5})\d{5}(?=\r\n(?!\1).*$)/gm, 
  function(s){WScript.Echo(s);}
);
复制代码

apang

回复 6# powerbat


    大神好久不见。。。

terse

gawk

sort /r aa.txt|gawk "!s[substr($0,0,5)]++" >bb.txt
复制代码

CrLf

一个比一个邪恶