[文件操作] [已解决]批处理如何提取htm文件里的指定内容/字符串来重命名该文件？

lxh623

这里有几个文件。我自己有两千个。是下载的htm文件。
想提取部分字段来重命名htm。标题和作者字段，格式是，“标题--作者”，作者之间用逗号分隔。
原件中，标题有时候涉及到换行。作者也有两三行的可能。
谢谢！
http://pan.baidu.com/s/1dE7xjih

WHY

win7 及以上系统也可以这样，可读性差了点

@echo off
set "r1=(?i)<title>(.+)</title>"
set "r2=(?i)''color:#003300''>(.+?)<"

PowerShell -c "dir @('*.htm','*.html')|%%{$a=type $_ -encoding utf8;$b=[regex]::match($a,'%r1%').groups[1].value;$c=([regex]::matches($a,'%r2%')|%%{$_.groups[1].value}) -join ',';ren $_ -newName (($b+'--'+$c+$_.Extension) -replace '[/\\|*?<>:\"]')}"
pause
复制代码

WHY

回复 3# lxh623


    我这里测试没有你所说的问题，win7 SP1 64bit 中文旗舰版系统

试试下面的代码，需要用到第三方工具  
http://batch-cn.qiniudn.com/tool/win_iconv.exe
http://batch-cn.qiniudn.com/tool/2.22/grep.exe

@echo off & setlocal enabledelayedexpansion
set "reg=(?<=<title>).+(?=</title>)|(?<='color:#003300'>).+?(?=<)"

for /f "delims=" %%i in ('dir /b *.htm') do (
    set "newName="
    for /f "delims=" %%j in ('win_iconv -c -f utf8 -t gb2312 "%%i" ^| grep -ioP "%reg%"') do (
        if not defined newName (set newName=%%j--)else set "newName=!newName!%%j,"
    )
    for %%j in (/ \ : ^| ^< ^> ^") do set "newName=!newName:%%j=!"
    set "newName=!newName:?=!"
    ren "%%i" "!newName:~0,-1!%%~xi"
)
pause
复制代码

lxh623

试试
WHY 发表于 2016-5-13 15:14

谢谢了。我这里还是不行，运作一下，就说打不开'ADODB.Stream'，停止了。

WHY

试试

@if (0)==(0) echo off
for /f "delims=" %%i in ('dir /b *.htm^|cscript //nologo //e:jscript "%~f0"') do ren %%i
pause & exit
@end

var getContent = function(strFile){
    var ado = new ActiveXObject('ADODB.Stream');
    ado.Type = 2;
    ado.Charset = 'UTF-8';
    ado.Open();
    ado.LoadFromFile(strFile);
    var s = ado.ReadText(-1);
    var title = s.match(/<title>(.+)<\/title>/i)[1];
    var author = [];
    var reg = /'color:#003300'>(.+?)</ig;
    while(arr = reg.exec(s)){author.push(arr[1])}
    ado = null;
    return (title + '--' + author).replace(/[\/\\|*?<>":]/g, '')
}

while(!WSH.StdIn.AtEndOfStream){
    var f = WSH.StdIn.ReadLine();
    var ext = f.replace(/.+(\.html?)$/i, '$1');
    WSH.Echo('"' + f + '" "' + getContent(f) + ext + '"');
}
复制代码