本帖最后由 447219071 于 2023-5-31 10:59 编辑
因为下载的网页http://www.bathome.net/thread-37147-1-1.html文件中有各种大量多余的代码,如何只提取指定字符之间的内容,关键字符 cpulink- @echo off
- wget "http://www.bathome.net/thread-37147-1-1.html" -q -O a.txt
- 提取批处理不会*******
-
- 最终提取上面的网页内容,关键字符CPULINK,想要生成的a.txt文档结果为
- http://v.qq.com/?chno=8888_139888
- http://www.baidu.com/?1000
- http://www.360.cn/?src=qq&ls=n4f12a8a094
- http://www.1234.com/?kq10000
复制代码
下载后的部分网页如下:
That's how it is 后悔来得太晚 明天 You're gone Cause that's how it is <br />
<cpulink><br />
http://v.qq.com/?chno=8888_139888<br />
http://www.baidu.com/?1000<br />
http://www.360.cn/?src=qq&ls=n4f12a8a094<br />
http://www.1234.com/?kq10000<br />
<cpulink></td></tr></table>
</div>
我提供的思路是WGET下载网页后,查找CPULINK字符,如有就从这个CPULINK字符的下一行开始提取,直到遇到下一个CPULINK字符则提前一行终止截取,截取后删除断行符<br /> 还有空格符amp; 管理员提供的及二楼高手提供的出错 |