for-loop - 解析HTML文件

Question

我想解析html文件，并在html的某些部分中找到数字。该脚本的目标是每个 token 获得一个数字。该脚本必须找到属于正确IP地址的号码。

这些数字是IP的一部分，但IP并不完整，但分隔为html标签。那是因为这项工作很复杂。到目前为止，我有以下代码:

@echo off
Setlocal EnableDelayedExpansion
SET proxy_3=hide_2.htm         

FOR %%Z IN (hide_2.htm) DO (
FOR /F "tokens=1-20 delims=<>" %%A IN ('grep -B 1411 -E "</table>" %%Z ^| grep -E ^"^(display^|^^\d\d{1,3}^|country^|^<td^>HTTP^|rightborder^).*$^" ') DO (
echo A:%%A + B:%%B + C:%%C + D:%%D + %%E + %%F + %%G + %%H + %%I + %%J + %%K + %%L
FOR %%? in ( "%%~A", "%%~B", "%%~C", "%%~D", "%%~E", "%%~F", "%%~G", "%%~H", "%%~I", "%%~J") DO (
SET $=%%~?
echo $:!$!
)
pause
)
)

我在这里给出了具有颜色格式的代码的链接:
http://codepaste.net/iaf4zr

然后，这是我解析的 html源:
参见第581-585行:
http://codepaste.net/11bqxd
(请耐心等待，加载之前需要一些时间。但是如果您不想等待，我会在此处粘贴源html而不进行格式化:
http://codepaste.net/wdkcdr)

如果您想查看缩短的版本-这是相关部分 L.581-585:
http://codepaste.net/e1t61n

现在，我已经做了一些调试:

A:          + B:td + C:span + D:span + 41 + /span + span style="display: none;"
+ 111 + /span + div +  +
$:
$:td
$:span
$:span
$:41
$:/span
$:span style="display:
$:none
$:
$:111
$:/span
$:div
Press any key to continue...
A: style="display: none;" + B:190 + C:/div + D:span class="" style="" + . + /spa
n + span + 197 + /span + span +  +
$: style="display:
$:none
$:
$:190
$:/div
$:span class="" style=""
$:.
$:/span
$:span
$:197
$:/span
$:span
Press any key to continue...
A: style="display: none;" + B:24 + C:/span + D:span + /span + . + span style="di
splay:  +  +  +  +  +
$: style="display:
$:none
$:
$:24
$:/span
$:span
$:/span
$:.
$:span style="display:
$: "" "" "
Press any key to continue...
A:inline;" + B:132 + C:/span + D:span style="display: none;" + 39 + /span + . +
span  +  +  +  +
$:inline;"" "132" "/span" "span
$:style
$:display: none;"" "39" "/span" "." "span
$: "" "

美元-$:标记$变量的值，该变量应该是第二个循环中没有引号的派生列/ token 。在这里，我寻找没有引号的数字值。在最后一种情况下，此操作将失败。

字符B:... D:标记前4个标记/列，其余标记未标记...

其中第581-585行的视为/相关部分是:

A:inline;" + B:132 + C:/span + D:span style="display: none;" + 39 + /span + . +
span + + + +
$:inline;"" "132" "/span" "span
$:style
$:display: none;"" "39" "/span" "." "span
$: "" "

如果您想以颜色查看此部分，请参见以下链接:
http://www.dostips.com/forum/viewtopic.php?f=3&t=3435

因此，第二个循环中的 token B为132，无引号。看起来还可以。但是在第3循环中，它更改为... 样式。

而第二个循环中的第一个 token 是内联；“，第三个循环显示:内联；”“” 132“” / span“” span

您能解释一下这怎么可能吗？我希望看到第2位 member 时在这里132。我可以成功解析前三个数字，但这是我无法帮助的。

Answer 1

您的问题在于报价的解析。当行

FOR /F "tokens=1-20 delims=<>" %%A IN 

执行时，您为许多变量分配了包含一个或多个双引号的值。例如，第一次通过循环，G被等效地分配给:

(set G=span style="display: none;")

然后在内部循环中

FOR %%? in ( "%%~A", "%%~B", "%%~C", "%%~D", "%%~E", "%%~F", "%%~G", "%%~H",...

“%%〜G”替换为

“span style =” display:none;“”

这被解析为两个 token :

“span style =” display:

和

没有;””

(因为，=和display之间的“在开始时会终止”，因此前无空格；然后变为有效)

同样，在您遇到问题的循环的第三次中，将A，B，C和D等效地分配给

set A=inline;"
set B=132
set C=/span
set D=span style="display: none;"
set E=39
set F=/span
set G=.

现在，很容易错过它的H值。仔细检查“A:...”输出行，可以发现H等效地设置为:

(set H=span )

要么

set "H=span "

即H是字符串范围，后跟一个空格，所以现在您的内部循环

FOR %%? in ( "%%~A", "%%~B", "%%~C", "%%~D", "%%~E", "%%~F", "%%~G", "%%~H", "%%~I", "%%~J")

等价于( shell 程序在替换%% vars并解析 token 之前，删除，在“后面加上”)

FOR %%? in ( "inline;"" "132" "/span" "span style="display: none;"" "39" "/span" "." "span " "" "" )

并仔细查看其解析方式。 “排队;”是一个字符串，然后“”是一个字符串，并且嵌入的空间不被视为 token 分隔符，其后是132，尚无空格，“”再次是一个字符串，并且嵌入的空间不被视为 token 分隔符，其后是/ span和“”，其中再次将嵌入空间不视为 token 分隔符，然后最后将span和一个空格，因此第一个 token 变为

set ?="inline;"" "132" "/span" "span

接下来，我们获得“for”解析的一个未记录的功能:引号之外的=被视为空格，因此第二个标记是

set ?=style

然后是第三个标记，从“display:none;”开始然后是“”然后是39，然后是“/跨度然后是”。然后“”然后跨度，当我们最终遇到较大的空间时，

set ?="display: none;"" "39" "/span" "." "span

然后，最后一个标记是“”，然后是“”，然后是未终止的“

set ?=" "" ""

简而言之，您需要做的是在适当的位置消除报价。从根本上讲，您的问题是第一个标记%% A包含不匹配的双引号，并且完全破坏了For循环中文本行的解析。