[文本处理] 批处理如何删除含A内容以上文本、及含B内容以下文本，保留中间的文本？

kidzgy

[删除的内容]
[删除的内容]
[删除的内容]
Array.prototype.p = Array.prototype.push;   [本行也删除]

[保留的内容]
[保留的内容]
[保留的内容]
[保留的内容]
[保留的内容]

delete(Array.prototype.p);     [本行也删除]
[删除的内容]
[删除的内容]
[删除的内容]
复制代码

须注意：【Array.prototype.p = Array.prototype.push; 】 【delete(Array.prototype.p); 】内容在全文搜索均仅有一个结果，如何删除【Array.prototype.p = Array.prototype.push; 】本行内容及以上的所有文本、【delete(Array.prototype.p); 】本行内容及以下的文本？且最终的效果是保留内容上下无空白行？

预期效果如下：

[保留的内容]
[保留的内容]
[保留的内容]
[保留的内容]
[保留的内容]
复制代码

测试文件：
由于压缩包超过50KB，无法上传至此，故用外链。测试文件系由Snap2HTML生成的html文件。
https://wwi.lanzoup.com/iUDU114kcw4j


我刚刚灵光一闪，换了个思路，发现【findstr /i "D.p([" %1 > "temp.html"】这样的方法即可提取出所需的内容。
由于生成多个的html是可以拼接的，还是很好奇，如何运用开始的思路来分离文本？

77七

文本行超长，批处理处理不了。要是我自己用的话，可以用第三方工具，linex和cfile ，都可以通过行号打印超长文本行。
打印第100行及接下来的10行
type 1.txt|linex -l 100 -e 10
linex -l 100 -e 10 <1.txt >2.txt
打印第100-110行
cfile 100,110 1.txt >2.txt
大概是这样。

jyswjjgdwtdtj

回复 15# kidzgy

你看到分号就删一下呗

hfxiang

回复 5# kidzgy

3楼的代码针对原1楼提供的测试样本测试是有效的。
现针对https://wwi.lanzoup.com/iUDU114kcw4j提供的测试样本，修改如下，经测试有效：

sed -n -r "/Array\.prototype\.p = Array\.prototype\.push\;/,/delete\(Array\.prototype\.p\)\;/{/^$/d;/Array\.prototype\.p = Array\.prototype\.push\;/d;/delete\(Array\.prototype\.p\)\;/d;p}" test.html>b.txt
复制代码

kidzgy

回复 22# aloha20200628


    哈哈，其实我在楼主层末段已经说明了同样的方法。

wanghan519

回复 20# kidzgy


    单文件的gawk.exe好像得输出到临时文件再覆盖回去，git for windows里面的gawk就能用，装上也不亏毕竟git还是比较常用的。。。

aloha20200628

针对LZ提供的测试文件，其实不用下载第三方，直接用下式
     findstr /LB "D.p(" "test2.html">"test2.html.new"
即可一步达成LZ所要结果(即使测试文件是utf-8编码，单行字符量远超8K) ... LZ是要求助有比其更'好'的方法吗？ ...至今尚未看到...

kidzgy

回复 16# Five66

回复 19# aloha20200628

感谢两位，经测试，非常完美！

kidzgy

回复 17# wanghan519

在gawk使用 【-i inplace】参数时，即【gawk -i inplace '{ gsub(/foo/, "bar") }; { print }' "test.html"】，会提示以下：

    gawk: fatal: cannot open source file `inplace' for reading: No such file or directory
复制代码

不知道是哪里出了问题

更正：
不好意思，原来akw 和gawk不是同一个东西的嘛，所以如果要直接修改源文件的话，只能用sed -i 了？

aloha20200628

回复 14# kidzgy

订正8L的代码如下，用14L提供的新测试文件验证成功。

@echo off
set "p1=Array.prototype.p = Array.prototype.push;"
set "p2=delete(Array.prototype.p);"
sed -n "/%p1%/, /%p2%/p" "test2.html" | sed -e "/^$/d" -e "$d" -e "1d">"test2.html.new"
复制代码

qixiaobin0715

在cmd中无论是设置环境变量或是循环变量，其变量值都有限制。
楼主的文件直接用命令（比如type）显示没有问题，如果将其与变量建立联系，一旦超出长度限制，代码就会将其忽略。比如14楼提供的文件中的第99行，由于长度过长而超限，如果在for循环中读取，循环变量%%I就会将其忽略，而继续读取下一行。
所以不能考虑使用纯P来处理。

wanghan519

回复 15# kidzgy


    awk不能输入输出指向同一个文件，除非使用-i inplace参数或者使用sponge命令，但单文件的gawk没有这些。。。
sed可以用-i参数，用例子试了sed -i '1,/^[[:blank:]]*Array/d;/^[[:blank:]]*delete/,$d;/^$/d' test.html

Five66

回复 11# kidzgy

呃，测试文件是utf-8 bom编码的，而且换行符是LF，试试下面的

test.html为输入文件名
output.txt为输出文件名，输出文件编码跟换行符都跟测试文件一样的
代码保存为ansi就行了

#@&cls&pause&powershell "gc -literalpath '%~f0'|out-string|iex"&pause&exit

$inf="test.html"
$otf="output.txt"

$sstr="Array.prototype.p = Array.prototype.push;"
$estr="delete(Array.prototype.p);"

$inf=[io.file]::OpenRead($pwd.path+"\$inf")
$otf=[io.file]::OpenWrite($pwd.path+"\$otf")

$infrd=[System.IO.StreamReader]::new($inf,[text.encoding]::UTF8)
$otfwd=[System.IO.StreamWriter]::new($otf,[text.encoding]::UTF8)
$otfwd.NewLine=("`n")

$s='';$bbb=0;

while(!$infrd.EndOfStream){
$s=$infrd.ReadLine()
if($s){
$ss=$s.Trim()
if(($ss.Length -ge $estr.Length) -and ($ss.SubString(0,$estr.Length) -eq $estr)){break;}
if($bbb){$otfwd.WriteLine($s);$s='';}
if(($ss.Length -ge $sstr.Length) -and ($ss.SubString(0,$sstr.Length) -eq $sstr)){$bbb=1;}
}}

$infrd.Close();$otfwd.Close()
复制代码

kidzgy

另外想请教个问题：

gawk -v "IGNORECASE=1" "{print $0=gensub(/quest2/,\"xyz\",\"g\")>\"test.html\"}" test.html
复制代码

我用上述代码，读取文件和生成文件指向同一个文件的时候，会导致内容缺失。不知道是什么原因？我有时候修改其他文件的时候倒没有这个问题。

或许可以吧
jyswjjgdwtdtj 发表于 2023-8-5 21:16

vbs代码执行时弹错。

kidzgy

回复 13# 77七


   感谢解答，这个似乎有局限性，用楼主层的文件测试是没有问题的，因为处理的代码比较短，我用另外一个文件测试，会提示 FINDSTR: Line 772 is too long.

这个是新的测试文件：
https://wwi.lanzoup.com/imB4X14kr4kh