Regex JREPL匹配包含关键字的URL

我正在尝试使用JREPL.bat匹配txt文件中包含特定术语的URL（然后将结果写回该文件）

这就是我到目前为止所做的，不幸的是，它没有返回预期的结果。结果始终为空：

JREPL.bat“href=”“（\w[^”“]+/pdf4v/\w[^”“]+）”“/match/f html.txt/o-

html.txt

如下所示（实际上，文件要复杂得多；额外的内容由[…]表示）：

[…]






[...]

预期结果是：

https://documents.domain.com/content/updates/year18/jv/folder01/pdf4v/pdf4v8094.zip?exp=1567791065&hsh=246a7702296f7db363ecaa1746a8815a&dl=att&filename=pdf-00008094-40.pdf

有人能帮忙吗？我不知道这为什么不起作用

提前感谢您的帮助

试试正则表达式：

href=“（\w[^”]+\/pdf4v\/\w[^”]+）

试试正则表达式：

href=“（\w[^”]+\/pdf4v\/\w[^”]+）

---

以下单个命令行可在批处理文件中使用，前提条件如下：

jrepl.bat

必须位于包含此行的批处理文件的目录中

执行此批处理文件时，文件

html.txt

必须位于当前目录中

文件

html.txt

不能在一行中包含多个带有

/pdf4v/

的URL

文件

html.txt

包含的

/pdf4v/

不在URL之外

批处理文件命令行：

@%SystemRoot%\System32\findstr.exe /R "href=.*/pdf4v/" html.txt | call "%~dp0jrepl.bat" "^.*href=\x22([^\x22]*?/pdf4v/[^\x22]*)\x22.*$" "$1" /O html.txt

FINDSTR支持非常有限的正则表达式，并且总是输出包含匹配字符串的整行。因此，区分大小写的正则表达式搜索字符串

href=.*/pdf4v/

将查找包含

href=

和

/pdf4v/

的所有行

这些行由FINDSTR输出以处理STDOUT，Windows命令处理器将其重定向以处理JREPL.BAT的STDIN

JREPL.BAT运行一个功能强大得多的JScript正则表达式替换，以匹配肯定包含

href=

和

/pdf4v/

的行上的所有内容，并标记包含

/pdf4v/

的URL，并仅用标记的URL替换该行

搜索表达式

^.*.href=“（[^”]*？/pdf4v/[^”]*）”*$

以批处理文件的形式写入，每个

“

都使用

\x22

作为

cmd.exe

将双引号解释为参数字符串的开始/结束

使用JREPL.BAT选项

/MATCH

，还有一个更好的解决方案：

@call "%~dp0jrepl.bat" "[^\x22]*?/pdf4v/[^\x22]*" "" /MATCH /F html.txt /O -

搜索表达式

[^”]*？/pdf4v/[^”]*

仅匹配由0个或多个非双引号或换行符非贪婪字符和

/pdf4v/

以及0个或多个非双引号或换行符字符组成的所有字符串。这非常简单，可能导致误报，但适用于提供的示例

JScript正则表达式引擎支持现代正则表达式引擎的“不向后看”或其他增强功能，以限制对

href

值的搜索。但使用以下方法可以避免某些误报：

@call "%~dp0jrepl.bat" "[^\x22]*?/pdf4v/[^\x22]*" "" /INC "/href=\x22[^\x22]*?\/pdf4v\//" /MATCH /F html.txt /O -

---

在应用简单搜索表达式之前，不包含

href=“[^”]*？/pdf4v/

的行将被此include筛选器过滤掉。这仍然不够完美，但可能足以完成此任务。

以下单个命令行可在批处理文件中使用，前提条件如下：

jrepl.bat

必须位于包含此行的批处理文件的目录中

执行此批处理文件时，文件

html.txt

必须位于当前目录中

文件

html.txt

不能在一行中包含多个带有

/pdf4v/

的URL

文件

html.txt

包含的

/pdf4v/

不在URL之外

批处理文件命令行：

@%SystemRoot%\System32\findstr.exe /R "href=.*/pdf4v/" html.txt | call "%~dp0jrepl.bat" "^.*href=\x22([^\x22]*?/pdf4v/[^\x22]*)\x22.*$" "$1" /O html.txt

FINDSTR只支持非常有限的正则表达式，并且总是输出包含匹配字符串的整行。因此区分大小写的正则表达式搜索字符串

href=.*/pdf4v/

会查找包含

href=

和

/pdf4v/

的所有行

这些行由FINDSTR输出以处理STDOUT，Windows命令处理器将其重定向以处理JREPL.BAT的STDIN

JREPL.BAT运行一个功能强大得多的JScript正则表达式替换，以匹配肯定包含

href=

和

/pdf4v/

的行上的所有内容，并标记包含

/pdf4v/

的URL，并仅用标记的URL替换该行

搜索表达式

^.*.href=“（[^”]*？/pdf4v/[^”]*）”*$

以批处理文件的形式写入，每个

“

都使用

\x22

作为

cmd.exe

将双引号解释为参数字符串的开始/结束

使用JREPL.BAT选项

/MATCH

，还有一个更好的解决方案：

@call "%~dp0jrepl.bat" "[^\x22]*?/pdf4v/[^\x22]*" "" /MATCH /F html.txt /O -

搜索表达式

[^”]*？/pdf4v/[^”]*

只匹配由0个或多个字符组成的所有字符串，这些字符不是双引号或换行符，而

/pdf4v/

和0个或多个字符不是双引号或换行符。这是非常简单的，可能会导致误报，但工程提供的例子

不幸的是，JScript正则表达式引擎不支持现代正则表达式引擎的查找或其他增强功能，以限制对

href

值的搜索。但使用以下方法可以避免某些误报：

@call "%~dp0jrepl.bat" "[^\x22]*?/pdf4v/[^\x22]*" "" /INC "/href=\x22[^\x22]*?\/pdf4v\//" /MATCH /F html.txt /O -

不包含

href=“[^”]*？/pdf4v/

的行在应用简单搜索之前由该include筛选器过滤掉