[文本处理] [已解决] 请教批处理格式化文本并对关键字进行统计

ouch1983

输入文本样式：
1/810    CNABS
AP      - CN2008800 20080418
2/810    CNABS
AP      - CN2007800 20071108
3/810    DWPI
PN      - US2010149       A1      20110617    DW201042
4/810    DWPI
PN      - US2010284       A1      20061111    DW201077
5/810    CNABS
AP      - CN2010205 20100916
......
810/810 CNABS
AP      - CN2010111 20100888

要处理的文本有810条，每条有2行组成。AP是一种类型，ID以CN+数字组成，后面标红的部分是年月日。想通过批处理的方式，提取出标红的年月日这一列中的年份，并将所有同一年份的数量加起来，放在年份的后面，需要区分是PN类型的还是AP类型的，将结果输出到另一个文本或表格中。例如：日期是2007年的条目是“AP      - CN2007800 20071108”，相应输出的2007行和AP列处加1。

输出样式：
         PN         AP
2007      0           1
......
2010      0           1
2011      1           0
......
请教论坛上的大牛们如何做，多谢多谢。

yangfengoo

完全无法理解楼主的意思。
20071108"这一列  ……这一列有什么特征，什么样的列属于这一列的范畴
输出样式2010这类怎么来的 PN AP 是什么值

formyth

其实，象这类问题，可能用正则表达式处理更加方便些，用批处理，感觉反而麻烦。不过统计数字，可能困难些

ouch1983

完全无法理解楼主的意思。
20071108"这一列  ……这一列有什么特征，什么样的列属于这一列的范畴
输出样式 ...
yangfengoo 发表于 2012-6-1 09:16

20071108其实就是日期，比如20081111。输出是我希望将输入按这个样式输出到另一个文本。

ouch1983

请教如何对这个问题用正则? 用什么语言实现?

weichenxiehou

回复 5# ouch1983
鄙人看得也是一头雾水啊，楼主可以上传实例文本，供大家观察规律，最好是修改顶楼信息，词不达意啊。
批处理和正则表达式并不是完全无关的东西，大家经常用的findstr就支持部分正则表达式，windows平台下的sed和gawk等也可以在批处理中调用啊。

ouch1983

不好意思没有说清楚，我修改了描述，请达人们指教。

weichenxiehou

@echo off&setlocal enabledelayedexpansion
set "tab=	"
for /f "delims==" %%a in ('set # 2^>nul') do set %%a=
for /f "delims==" %%a in ('set $ 2^>nul') do set %%a=
for /f "tokens=1,4,5" %%a in ('findstr /i "^ap ^pn" a.txt') do (
  set "stra=%%a"
  if /i "!stra:~,2!"=="ap" (set "strb=%%b"&set flag=ap) else (set 

"strb=%%c"&set flag=pn)
  if !flag!==ap (
    set/a "#!strb:~,4!+=1"
    if not defined "$!strb:~,4!" set "$!strb:~,4!=0"
  ) else (
    set/a $!strb:~,4!+=1
    if not defined "#!strb:~,4!" set "#!strb:~,4!=0"
  )
)
echo,%tab%PN%tab%AP>result.txt
for /f "tokens=1,2 delims=#=" %%a in ('set #') do (
  echo,%%a%tab%!$%%a!%tab%%%b
)>>result.txt
start result.txt
复制代码

weichenxiehou

论坛这个问题还是在啊，点了一次“发表回复”没反应，于是再点一次，刷新后发现回了两次。。

ouch1983

多谢weichenxiehou。

用附件1.txt[attach]5370[/attach]作输入文本试了下代码，由于里面都是AP的条目，所以运行正常；
在附件1.txt的最后增加了几条PN的条目生成了附件2.txt[attach]5369[/attach]，用作输入文本，PN的统计有问题而且导致AP条目的统计也产生了问题。

apang

@echo off&setlocal enabledelayedexpansion
for /f "tokens=1,4,5" %%a in ('findstr /ib "ap pn" a.txt') do (
  if /i "%%a"=="AP" (
    set str=%%b&set str=!str:~,4!
    set/a #!str!+=1
    if "!$%str%!"=="" set/a $!str!+=0
  ) else (
    set str=%%c&set str=!str:~,4!
    set/a $!str:~,4!+=1
    if "!#%str%!"=="" set/a #!str!+=0
  )
)
(echo       PN    AP
for /f "tokens=1,2 delims=#=" %%a in ('set #') do (
  echo %%a   !$%%a!    %%b
))>result.txt
复制代码

weichenxiehou

回复 10# ouch1983
如果你能看懂代码，就会发现为什么了，因为你在末尾加的PN部分内容规律不统一，代码的意思是PN的日期应该在第5列，AP的日期应该在第四列。

ouch1983

恩，对，就是由于有这种不规律在里面，包括有的ID+数字前没有-，所以才觉得不知道用批处理怎么解决。刚了解了下正则表达式和Python，发现用那个可能在这个问题上会简单些吧。

ouch1983

回复 11# apang

谢谢apang，年份数量统计的还是不对。应该不是weichenxiehou说的日期在第4列还是第5列的问题。

apang

回复 14# ouch1983

代码是以行首标志AP或PN为进行判断的，你给的2.txt文本最后几行行首没有这个标志，所以统计不准。你告诉我怎么判断最后几行是AP还是PN？