[文本处理] 如何提取网页中的ed2k链接并将链接中的文件大小转换后添加到链接中的文件名前

3518228042

网页里面有很多ed2k结构是这样的，直接保存下来了：

<a href="ed2k://|file|Donkey%20Kong%2064%20(U)%20(Kiosk%20Demo)%20[b2].z64|25165824|3CF27324022C858374E0E9A7ADADF996|h=ZQBPPEFMIO5SJ6PMJWAJVDCWB4QUFP4J|/">Donkey Kong 64 (U) (Kiosk Demo) [b2]</a><br />
复制代码

这样的连接不能在网页上复制下来，而这样的就能直接复制下来了保存为txt了，下面的纯数字25165824就是容量大小

ed2k://|file|Donkey Kong 64 (U) (Kiosk Demo) [b2].z64|25165824|3CF27324022C858374E0E9A7ADADF996|/
复制代码

我需要的是把网页上面的ed2k长连接提取出来变成ed2k短连接，提取保存为txt文件后进行替换，并且为ed2k的文件名前面添加[容量]，小数点后面保留1位，最终效果：

ed2k://|file|[25.1MB]Donkey Kong 64 (U) (Kiosk Demo) [b2].z64|25165824|3CF27324022C858374E0E9A7ADADF996|/
复制代码

这个是我在论坛搜索的相关，只能把这个连接添加个容量，但是怎么把网页里面的先提取出来再进行替换呢？

//&cls&dir /b *.txt|cscript -nologo -e:jscript "%~f0"&pause&exit

function reStr(file){
    var f = fso.opentextfile(file, 1);
    str = f.ReadAll()
    .replace(/(ed2k:\/\/\|file\|)((?!\[\d+\.\dKB\]).+\|)([0-9]{1,3})([0-9])([0-9]{2}\|[a-z0-9A-Z]{32}\|\/)/g, '$1[$3.$4KB]$2$3$4$5')
    .replace(/(ed2k:\/\/\|file\|)((?!\[\d+\.\dMB\]).+\|)([0-9]{1,3})([0-9])([0-9]{5}\|[a-z0-9A-Z]{32}\|\/)/g, '$1[$3.$4MB]$2$3$4$5')
    .replace(/(ed2k:\/\/\|file\|)((?!\[\d+\.\dGB\]).+\|)([0-9]{1,3})([0-9])([0-9]{7}\|[a-z0-9A-Z]{32}\|\/)/g, '$1[$3.$4GB]$2$3$4$5');
    f.Close();
    var f = fso.opentextfile(file, 2);
    f.Write(str);
}
var fso = new ActiveXObject('Scripting.FileSystemObject');
while(!WScript.StdIn.AtEndOfStream)reStr(WScript.StdIn.ReadLine());
复制代码

我需要的是先把网页里面的ed2k提取出来保存，然后再替换，一个bat一步到位，这个只能替换txt，而网页一般是html和htm的

pcl_test

@echo off
powershell ^
    Function FormatSize($s){^
        if($s -lt 1024){^
            return $s.toString('f1')+'B';^
        }elseif($s -lt 1048576){^
            return ($s/1kb).toString('f1')+'KB';^
        }elseif($s -lt 1073741824){^
            return ($s/1mb).toString('f1')+'MB';^
        }else{return ($s/1gb).toString('f1')+'GB';}^
    };^

    $web=new-object System.Net.WebClient;^
    $web.Encoding = [System.Text.Encoding]::UTF8;^
    $txt=$web.DownloadString('http://cn163.net/archives/23809/');^
    $m=[Regex]::Matches($txt, 'ed2k:\/\/\^|file\^|.+?\^|\/');^
    [void][System.Reflection.Assembly]::LoadWithPartialName('System.Web');^
    $m^|%%{$url=[System.Web.HttpUtility]::UrlDecode($_.value,[System.Text.Encoding]::UTF8);^
        $tmp=$url.split('^|');^
        $size='['+(FormatSize (1*$tmp[3]))+']';^
        '原链接:'+$_.value;^
        '长链接:'+$url -replace '(?^<=^^.+?\^|file\^|)',$size;^
        '短链接:'+(@($tmp[0], $tmp[1], ($size+$tmp[2]), $tmp[3], $tmp[4]) -join '^|')+\"|/`r`n\";^
    }
pause
复制代码

3518228042

多个htm和html网页，有文件大小情况下，文件大小出现了重复。[786.4KB][786.4KB]

<a href="ed2k://|file|[786.4KB]SRAM%20Manager%20V2.0%20(PD)%20[a1].z64|786432|77B13047C64522DAE779A81B02F3D064|h=YATOBQYUSJORDPRNRAAMHZJKLMFTQYXZ|/">[786.4KB]SRAM Manager V2.0 (PD) [a1]</a><br />
复制代码

我想把所有网页的ed2k提取后各自保存为txt，然后只对txt进行替换，这个可以吗？方便用于批量下载和以后发帖分享

3518228042

不知道为什么搜索很多修复方法试了，就是不能用，我记得前阵子还能用

3518228042

还是没能提取后批量保存为txt，只能在命令窗口显示

ShowCode

回复 5# 3518228042


有可能是PATH环境变量被修改了，在CMD窗口执行这个命令看看结果：

echo %path%
复制代码

3518228042

解决了powershell，发现也是有长链接，本来标题里面有写各自保存为txt，被盖后表达的意思变了。
因为从几个ed2k网站下载了几百个网页，电影、电视剧和游戏，一个个网页单独保存能分辨，合一起不容易区分

老刘1号

回复 6# ShowCode


    直接Path就行