中国DOS联盟

-- 联合DOS 推动DOS 发展DOS --

联盟域名：www.cn-dos.net 论坛域名：www.cn-dos.net/forum
DOS，代表着自由开放与发展，我们努力起来，学习FreeDOS和Linux的自由开放与GNU精神，共同创造和发展美好的自由与GNU GPL世界吧！

游客: 注册 | 登录 | 命令行 | 会员 | 搜索 | 上传 | 帮助 »

中国DOS联盟论坛 » DOS批处理 & 脚本技术（批处理室） » sed获取网页特定数据组

jiulong
中级用户

积分 396
发帖 183
注册 2007-12-23
状态离线

『楼主』: sed获取网页特定数据组

比如:用SED获取1:"DOS解答室"中"DOS疑难解答 & 问题讨论（解答室） - 中国DOS联盟论坛 - 中国DOS联盟之联合DOS论坛"之后的2:"font-family: Tahoma, "之后的字符到";"结束

因为某个网页中相同的字符太多,所以拿CN-DOS疑难解答的源码做例
其中1:后的字符找不到相同,所以避免了脚本冲突

不知这样解决是否够清楚.

2008-2-23 15:35

lxmxn
版主

积分 11386
发帖 4938
注册 2006-7-23
状态离线

『第 2 楼』:

表达不够清楚，最好是贴一段源码上来，然后标记需要提取的部分。

2008-2-23 16:22

jiulong
中级用户

积分 396
发帖 183
注册 2007-12-23
状态离线

『第 3 楼』:

以下是网页代码
==========2008-02-23============ 巨人  <a class="channel_keylink" href="http://www.txwb.com/Article/wyzy/wyzl/SFYX/200703/5605.html" target="_blank">恋爱盒子</a>  <a class="channel_keylink" href="http://www.txwb.com/Article/wyzy/wyzl/GCYX/200703/5497.html" target="_blank">洛奇</a>online 时空之泪  天堂I  武林外传 超级跑跑传奇世界机战 华夏
<A class="" title="文章标题：在职

我在SED语法内只能根据日期（%date:~0,10%）,因为这个在整个网页代码是唯一的。

目的：获取所有中文字符，除华夏之后的“”代码以后的中文都不要
“华夏”保留

这下说清楚了吧

还不清楚就看下面
要提取的字符：巨人
 恋爱盒子
 洛奇
 时空之泪
 天堂
 武林外传
 超级跑跑
 传奇世界
 机战
 华夏

[ Last edited by jiulong on 2008-2-23 at 06:07 PM ]

2008-2-23 17:58

lxmxn
版主

积分 11386
发帖 4938
注册 2006-7-23
状态离线

『第 4 楼』:

sed -n "/2008/{s/[\x20-\x7e]/\n/gp;}" 网页文件.html|sed -n "/./s/^/\t/p"

2008-2-23 19:06

jiulong
中级用户

积分 396
发帖 183
注册 2007-12-23
状态离线

『第 5 楼』:

晕了,这样获取的是所有中文字符,我要的是从2008-到第一个代码之间的中文字符

2008-2-23 22:34

请注意：您目前尚未注册或登录，请您注册或登录以使用论坛的各项功能，例如发表和回复帖子等。

可打印版本 | 推荐给朋友 | 订阅主题 | 收藏主题

论坛跳转: