[文本处理] 批处理BAT如何在一堆URL中提取其每行的一级域名？

Rank: 3 Rank: 3

帖子: 56
积分: 244
技术: 0
捐助: 0
注册时间: 2008-3-2

3楼

发表于 2014-2-17 19:50 | 只看该作者

回复 2# xxpinqz

谢谢你啦，我试试。
少个H不影响吧。域名不包含HTTP

Rank: 3 Rank: 3

帖子: 56
积分: 244
技术: 0
捐助: 0
注册时间: 2008-3-2

4楼

发表于 2014-2-17 19:54 | 只看该作者

本帖最后由封印于 2014-2-17 20:09 编辑

回复 2# xxpinqz

试了一下，二级域名和三级域名都留了一下。还要把二级和三级域名，提取到顶级域名。
比如：
files.files02.arabsh.co.jp
files.files03.arabsh.com
等，这个类型。
提取到arabsh.com和arabsh.co.jp

bluewing009

少校

Rank: 6 Rank: 6

帖子: 515
积分: 1788
技术: 15
捐助: 0
注册时间: 2009-11-27

5楼

发表于 2014-2-17 21:01 | 只看该作者

回复 1# 封印

能不能按照你给的例子把正确的结果写出来

我对理解你的题意有些偏差

Rank: 3 Rank: 3

帖子: 56
积分: 244
技术: 0
捐助: 0
注册时间: 2008-3-2

6楼

发表于 2014-2-17 21:38 | 只看该作者

本帖最后由封印于 2014-2-17 21:43 编辑

回复 5# bluewing009

一个文本里（a.TXT），里面有很多URL。把里面的URL中顶级域名提出来。
比如fifa3.dn.nexoncdn.co.kr，就提取nexoncdn.co.kr。
比如fichiers.touslesdrivers.com，就提取touslesdrivers.com
比如http://visitdelphi.gr/java/tmp/system/NOTA-FISCAL-10.rar，就提取visitdelphi.gr
只要顶级域名。

Rank: 3 Rank: 3

帖子: 56
积分: 244
技术: 0
捐助: 0
注册时间: 2008-3-2

7楼

发表于 2014-2-18 10:13 | 只看该作者

顶上去先，让高手看到。

DAIC

中将

Rank: 8 Rank: 8

帖子: 2874
积分: 7021
技术: 336
捐助: 0
注册时间: 2011-6-2

8楼

发表于 2014-2-18 13:09 | 只看该作者

files.files02.a.b.c
你说我这个域名的顶级域名是 a.b.c 呢？还是 b.c 呢？

Rank: 3 Rank: 3

帖子: 56
积分: 244
技术: 0
捐助: 0
注册时间: 2008-3-2

9楼

发表于 2014-2-18 15:02 | 只看该作者

回复 8# DAIC

这就是需要判断了啊，人工当然可以判断。一般来说是b.c
也有可能是a.b.c

DAIC

中将

Rank: 8 Rank: 8

帖子: 2874
积分: 7021
技术: 336
捐助: 0
注册时间: 2011-6-2

10楼

发表于 2014-2-18 15:11 | 只看该作者

回复 9# 封印

你需要说清楚如何做人工判断
有规律、有方法，最后转换成代码就行了。

apang

上将

Rank: 8 Rank: 8

帖子: 2085
积分: 14204
技术: 665
捐助: 0
注册时间: 2011-11-27

11楼

发表于 2014-2-18 16:05 | 只看该作者

Set fso = CreateObject("Scripting.FileSystemObject")
txt = fso.OpenTextFile("a.txt",1).ReadAll
Set re = New RegExp
pattern = "com|net|org|gov|edu|mil|biz|name|info|mobi|pro|"
pattern = pattern & "travel|museum|int|aero|post|rec|asia"
re.Pattern = "[\w\-]+\.([a-z]{2}|" & pattern & ")(\.[a-z]{2})?(?:\b|/)"
re.IgnoreCase = True
re.Global = True
For Each a in re.Execute(txt)
    str = str & a & vbCrLf
Next
WScript.Echo str
复制代码

Rank: 3 Rank: 3

帖子: 56
积分: 244
技术: 0
捐助: 0
注册时间: 2008-3-2

12楼

发表于 2014-2-18 16:33 | 只看该作者

回复 11# apang

这个VBS没有运行起来。运行完之后是这样子：

Rank: 3 Rank: 3

帖子: 56
积分: 244
技术: 0
捐助: 0
注册时间: 2008-3-2

13楼

发表于 2014-2-18 16:44 | 只看该作者

回复 10# DAIC

好吧，从后往前，开始，可以按结尾的字符个数判断。结尾后六个字符（包含“.”），如co.jp，.com,com.cn。者截取，前一个点为止。
比如。ABC.DEF.CO.JP。截取到DEF.CO.JP。
ABC.DEF.COM.CN，则截取到DEF.COM.CN
也可以把所有域名后缀列个表。然后包含域名中的后缀则截取域名后缀之前的字符串，直到遇到有"."为止。
比如ABC.DEF.COM
后缀列表中有com就可以取DEF.COM
当然，也可以有更好的方法。

xxpinqz

中校

Rank: 6 Rank: 6

帖子: 491
积分: 2671
技术: 119
捐助: 0
注册时间: 2008-11-19

14楼

发表于 2014-2-18 19:11 | 只看该作者

自己都没理顺思路，叫人如何写。这样试试，后面是两字符的取3组，余者取两

@echo off&setlocal enabledelayedexpansion
(for /f "tokens=1* delims=:" %%a in (a.txt) do (
    set "str=%%b"
    set "str=!str::= !"
    for %%i in (!str!) do (
        for /f "delims=/" %%a in ("%%i") do (
            set "str=%%a"
            set "str=!str:.= !"
            set m=0
            for %%a in (!str!) do (
                set/a m+=1
                set "#!m!=%%a."
                set "tmp=%%a"                
            )
            if "!tmp:~2!"=="" (set/a n=m-2) else set/a n=m-1
            set "e="
            for /l %%a in (!n!,1,!m!) do set "e=!e!!#%%a!"
            echo,!e:~,-1!
        )               
    )
))>b.txt
复制代码

初学BAT，非专业。代码不适当之处还望前辈们多多指点。在此表示感谢！

Rank: 3 Rank: 3

帖子: 56
积分: 244
技术: 0
捐助: 0
注册时间: 2008-3-2

15楼

发表于 2014-2-18 20:28 | 只看该作者

回复 14# xxpinqz

嗯，这段已经，已经很牛B了。。虽然还有少部分URL没截取成功。但已经无限接近完美了。值得学习。