在cmd文件中读取html并获取img标签

我必须在cmd文件中读取html文件。在那里，我必须寻找img标签，并且在这个标签中必须得到src的字符串。我该如何处理？在cmd文件中读取html并获取img标签

我想逐行读出并有尝试，如果里面有这个img标签即可知：

for /f "tokens=*" %%a in (./mypage.htm) do (

echo %%a| findstr /r "<img.*src.*/>">nul 
    if errorlevel 0 (
     echo %%a 
    ) 
)

但与此它显示的所有行，也喜欢一些错误消息：“能找不到文件”或‘语法错误’

来源

2015-02-09 Mrogath_Development

而是贪婪的量词尝试使用懒惰.*?也逃脱斜线\/：<img.*src.*?\/>

来源

2015-02-09 13:17:12 streetturtle

这可能会更容易，如果风包括更强大的命令行正则表达式解释器。 findstr适用于提供布尔匹配/不匹配或返回包含匹配的完整行，但不能与sed或grep -o的灵活性相匹配并仅返回该行的匹配部分。

我会做的是使用Windows脚本宿主（VBScript/JScript）的更健壮的正则表达式和字符串操作工具。下面是一个例子。蝙蝠/ JScript的混合：

@if (@CodeSection == @Batch) @then 

@echo off 
setlocal 

set "htmlfile=test.html" 

rem // invoke hybrid JScript code 
for /f "delims=" %%I in ('cscript /nologo /e:JScript "%~f0" "%htmlfile%"') do (
    rem // do stuff with %%I 
    echo found: %%I 
) 

rem // end main runtime 
goto :EOF 

@end 
// end batch/begin JScript chimera 

var fso = WSH.CreateObject('scripting.filesystemobject'), 
    html = fso.OpenTextFile(WSH.Arguments(0), 1), 
    images = html.ReadAll().replace(/\r?\n/g, '').match(/img[^>]+?src=(['"]).+?(?=\1)/ig); 

html.Close(); 
WSH.Echo(images.join('\n').replace(/img[^>]+?src=['"]/ig,''));

这应该匹配成功

<img src="typical.jpg"> 

<img class="noclick" src="class/included.png" /> 

<img style="border: 0" 
src="tag/has/line/break.gif"> 

<img src="http://apostrophe/in/source's name.jpg"> 

<img src='single-quoted.jpg' />

...这将是很难甚至sed或grep。

如果你已经有了逃避的正则表达式刮特别顽固的HTML文档，你可以调用Internet Explorer作为一个COM对象来解析<img>标签作为DOM节点。如果您尝试通过JavaScript或CSS伪元素来动态填充其图像的页面，这将会非常有用。 IE的这种调用比较慢很多，但它是一个故障安全。

@if (@CodeSection == @Batch) @then 

@echo off 
setlocal 

set "htmlfile=test.html" 

for /f "delims=" %%I in ('cscript /nologo /e:JScript "%~f0" "%htmlfile%"') do (
    rem // do stuff with %%I 
    echo %%I 
) 

rem // end main runtime 
goto :EOF 

@end 
// end batch/begin JScript chimera 

var fso = WSH.CreateObject('scripting.filesystemobject'), 
    IE = WSH.CreateObject('InternetExplorer.Application'), 
    htmlfile = fso.GetAbsolutePathName(WSH.Arguments(0)); 

IE.Visible = 0; 
IE.Navigate('file:///' + htmlfile.replace(/\\/g, '/')); 
while (IE.Busy || IE.ReadyState != 4) WSH.Sleep(25); 

var images = IE.document.getElementsByTagName('img'); 

for (var i=0; i<images.length; i++) WSH.Echo(images[i].src); 

IE.Quit();

来源

2015-02-09 14:30:58 rojo

在cmd文件中读取html并获取img标签

回答

相关问题