24小时热门版块排行榜

返回列表

当前主题已经存档。

eyelee

荣誉版主 (著名写手)

阿弥陀佛

应助: 1 (幼儿园)
贵宾: 1.1
金币: 11.7
散金: 71
红花: 2
帖子: 1291
在线: 11.6小时
虫号: 8655
注册: 2003-04-28
性别: GG
专业: 佛教

[交流] 批量提取网页中的有用信息（需要htm基础）

最近为想为民间中医建立一个中医网页.下载了一些网页.
想要提取其中的一些数据.本来想复制粘贴.但数据比较多.不太方便.
想起以前批量提取超星书名（例子1 例子2）
但是因为我没有htm基础  而且事情比较急,发个帖子.希望大家帮帮忙：）

例子1

使用说明：
cxjxcx.txt是将超星结果用“TextPro V5.0 中文文本批处理软件”预处理的批量正则替换表。
1、在TextPro V5.0 中文文本批处理软件中，“设置”－“批量正则替换表”载入该替换表；
2、将超星结果粘贴到“TextPro V5.0 ”编辑器中；
3、然后用“编辑”－“批量正则替换”预处理即可

可处理超星主站的每日新书、分类查询、数字图书检索结果、镜像站点的分类查询、检索结果。
预处理的结果为：
---------------------------------------------------
书名：毛泽东哲学的历史发展
作者：雍涛主编
索书号：A84/107：
SS号：10983686
出版日期：1993年08月第1版
页数：336

例子1的批量正则替换表
^\s*首页.*$ \n
^\s*(\u：) \1
^\s*阅读\s+下载\s+$ \d
作者: \n作者：
SS号： \nSS号：
索书号： \n索书号：
出版日期： \n出版日期：
页数： \n页数：
SS号: \nSS号：
SSID： \nSS号：
索书号: \n索书号：
出版日期: \n出版日期：
页数: \n页数：
\s*$
^\s+ 书名：
^\u：.+$ 书名：\d
^$ \d
《(.+)》$ 书名：\1
书名： \n书名：
书名：$ \d

[ Last edited by eyelee on 2006-10-25 at 12:05 ]

回复此楼

» 猜你喜欢

垃圾破二本职称评审标准已经有6人回复
三无产品还有机会吗已经有5人回复
投稿返修后收到这样的回复，还有希望吗已经有7人回复
压汞仪和BET测气凝胶孔隙率已经有4人回复
博士申请都是内定的吗？已经有14人回复
谈谈两天一夜的“延安行” 已经有13人回复
氨基封端PDMS和HDI反应快速固化已经有11人回复
之前让一硕士生水了7个发明专利，现在这7个获批发明专利的维护费可从哪儿支出哈？已经有11人回复
论文投稿求助已经有4人回复
Applied Surface Science 这个期刊。有哪位虫友投过的能把word模板发给我参考一下嘛已经有3人回复

左右矛盾,遁入中庸，素食中国.我的目标是让一亿中国人吃素！

1楼2006-10-25 19:20:07

已阅关注TA 给TA发消息送TA红花 TA的回帖

eyelee

荣誉版主 (著名写手)

阿弥陀佛

应助: 1 (幼儿园)
贵宾: 1.1
金币: 11.7
散金: 71
红花: 2
帖子: 1291
在线: 11.6小时
虫号: 8655
注册: 2003-04-28
性别: GG
专业: 佛教

主贴是例子1所用的批处理软件 TextPro V5.0 以及例子1的批量正则替换表

跟贴1例子2的网页和例子2的批量正则替换表

跟帖2是我要提取的网页只要把批量正则替换表写出来就好了

因为你问我答不能传附件就都传在下面的板块中了.
http://muchong.com/bbs/viewthread.php?tid=338556&fpage=1

[ Last edited by eyelee on 2006-10-25 at 12:00 ]