☰

使用 notepad++ 从文档中提取特定文本

tag-icon • tag-icon notepad++
使用 notepad++ 从文档中提取特定文本

我有一个文本文件，需要从中提取特定的数据元素。

示例文本：

<url>
    <loc>https://example.com/example0.html</loc>
    <lastmod>2019-01-22</lastmod>
    <priority>0.5</priority>
</url>
<url>
    <loc>https://example.com/example1.html</loc>
    <lastmod>2019-01-21</lastmod>
    <priority>0.5</priority>
</url>
<url>
    <loc>https://example.com/example2.html</loc>
    <lastmod>2019-01-21</lastmod>
    <priority>0.5</priority>
</url>
<url>
    <loc>https://example.com/example3.html</loc>
    <lastmod>2019-01-20</lastmod>
    <priority>0.5</priority>
</url>
<url>
    <loc>https://example.com/example4.html</loc>
    <lastmod>2019-01-20</lastmod>
    <priority>0.5</priority>
</url>

我想要提取：

https://example.com/example0.html
https://example.com/example1.html
https://example.com/example2.html
https://example.com/example3.html
https://example.com/example4.html

请记住，日期不是静态的

答案1

  • Ctrl+H
  • 找什么：<url>\s+<loc>(\S+?)</loc>.+?</url>
  • 用。。。来代替：$1
  • 检查环绕
  • 检查正则表达式
  • 查看. matches newline
  • Replace all

解释：

<url>       # literally
  \s+       # 1 or more any spaces, including linebreak
  <loc>     # literally
  (\S+?)    # group 1, 1 or more non spaces, not greedy
  </loc>    # literally
  .+?       # 1 or more any characters, not greedy
</url>      # literally

替代品：

$1          # content of group 1, the URL

给定示例的结果：

https://example.com/example0.html
https://example.com/example1.html
https://example.com/example2.html
https://example.com/example3.html
https://example.com/example4.html

答案2

可能有更简单的方法，我现在无法访问 Notepad++，但你可以尝试以下方法

搜索：<url>\n\s+<loc>(.*)<\/loc>\n\s.*\n\s.*\n<\/url>

代替：\1

来源regexr.com/46rin

相关内容