(Batch) 如何在 href="" 中获取文本？

Posted 2023-02-16

【中文标题】(Batch) 如何在 href="" 中获取文本？

【英文标题】：(Batch) How to get text inside href=""?

【发布时间】：2020-11-04 13:16:29

【问题描述】：

我的源代码中有一个带有href="example.com/page" 的htm 文件，我怎样才能获得“”之间的链接？

到目前为止，我已经尝试过修改这段代码：

@echo off
setlocal EnableDelayedExpansion
set "str="
set "string=stuff href="example.com/page"end morestuff"

set string=!string:href=^
!
set string=!string:end=^

!
FOR /F skip^=1eol^= %%S in ("!string!") do if NOT DEFINED str set "str=%%S"
echo(!str!
pause > nul

但是在第 6 行看来，将 href 更改为 href=" 会破坏代码，并将 end 更改为 " 也破坏了某些东西，想知道是否可以解决此问题或是否有替代方法？

【问题讨论】：

您不能在子字符串替换表达式的搜索字符串中使用等号，因为= 分隔搜索和替换字符串；我会首先使用href 作为搜索字符串，当删除它时（通过set "string=!string:*=href=!"），我也会使用子字符串扩展来删除=，例如if "!string:~,1!"=="=" set "string=!string:~1!"；那么您可以将" 指定为for /F 的分隔符...

【参考方案1】：

我相信你只想要example.com/page 部分：

@echo off
set "string=stuff href="example.com/page"end morestuff"
for /f tokens^=2delims^="" %%a in ("%string%") do set "substr=%%a"
echo %substr%

根据评论从文件中读取：

@echo off
set "file=file.txt"
for /f tokens^=2delims^="" %%a in ('findstr /IRC:"href=" "%file%"') do set "substr=%%a"
echo %substr%

看到您需要从 html 文件中读取，我建议您使用更强大的东西，例如 powershell。

创建一个扩展名为.ps1的文件，粘贴内容，确保将文件的路径和文件名放入$file_path替换file.txt：

$file_path = 'file.txt'
$rgx = '(?<=href\=").*?(?=">)'
select-string -Path $file_path -Pattern $rgx -AllMatches | %  $_.Matches  | %  $_.Value 

现在您可以从cmd 运行它：

powershell -File test_url.ps1

或者直接打开powershell cli并从那里直接运行：

.\test_url.ps1

【讨论】：

我正在搜索的实际文件有更多引号，是否可以将href="设置为前缀？

好的，你从来没有提到文件，你使用了一个变量。那么您是否要在文件中搜索href=，然后才打印网址？

是的，差不多，我这样做的原因是正在搜索的文件（HTML）的每一行都被单独搜索，并且有更多的“”（引号）但只有一个 'href= "' 每一行。

这似乎输出了“”第一次出现的任何内容，例如每当读取此行时：<tr><td valign="top"><img src="/icons/folder.gif" alt="[DIR]"></td><td><a href="example.com/page">0ad9fabf-a3da-4279-9..></a></td><td align="right">2020-04-24 12:39 </td><td align="right"> - </td><td> </td></tr> 它输出“top”而不是“example.com/page”... ?

不是2delims 而是tokens=2 tokens=2 delims= 之间没有空格，因为我们没有使用双引号，无论如何，请看更新。我推荐使用 powershell 脚本，因为它比 batch

更强大