使用批处理脚本提取HTML中<a>标签的href值与文本内容

数据老陈

2026-8-19

Batch脚本提取HTML链接的href值与标签文本

可行代码

@echo off
setlocal enabledelayedexpansion

:: 遍历findstr筛选出的目标行
for /f "delims=" %%a in ('findstr /r "<a href=\"\"\"\">\"\"</a>" file.html') do (
    set "line=%%a"
    :: 将所有双引号替换为竖线，消除引号对for/f的干扰
    set "line=!line:"=|!"
    :: 拆分处理后的行，提取目标内容
    for /f "tokens=3,5 delims=<>=|" %%b in ("!line!") do (
        echo URL: %%b
        echo 文本: %%c
        echo ------------------------
    )
)

endlocal

详细解释

核心思路

通过字符串替换消除引号干扰，再用for /f的分隔符拆分功能提取目标内容，完全避开正则解析的复杂操作。

逐行拆解

@echo off：关闭命令回显，让输出更干净。
setlocal enabledelayedexpansion：启用延迟变量扩展，确保在for循环内部修改和读取变量时能获取实时值。
外层for /f循环：
- "delims="：保留整行内容，防止默认的空格/制表符截断行数据。
- findstr /r "<a href=\"\"\"\">\"\"</a>" file.html：用findstr的简单正则匹配目标行，这里的\"\"\"是Batch中在单引号命令里转义双引号的写法，确保精准匹配<a href="...">...</a>格式的行。
set "line=%%a"：将当前遍历到的行存入变量line。
set "line=!line:"=|!"：把行内所有双引号替换为竖线|——这是解决你引号报错问题的关键，将特殊转义字符转为普通分隔符，避免for /f解析时出错。
内层for /f循环：
- "tokens=3,5 delims=<>=|"：指定<、>、=、|为分隔符，提取拆分后的第3、5个片段。
  - 替换后的行格式示例：<a href=|https://example.com|>|示例链接|</a>，拆分后第3段是href值，第5段是标签文本。
- 最后输出提取结果，用分隔线区分每条记录。