Top-Themen

AppleEntwicklungHardwareInternetLinuxMicrosoftMultimediaNetzwerkeOff TopicSicherheitSonstige SystemeVirtualisierungWeiterbildungZusammenarbeit

Aktuelle Themen

Administrator.de FeedbackApache ServerAppleAssemblerAudioAusbildungAuslandBackupBasicBatch & ShellBenchmarksBibliotheken & ToolkitsBlogsCloud-DiensteClusterCMSCPU, RAM, MainboardsCSSC und C++DatenbankenDatenschutzDebianDigitiales FernsehenDNSDrucker und ScannerDSL, VDSLE-BooksE-BusinessE-MailEntwicklungErkennung und -AbwehrExchange ServerFestplatten, SSD, RaidFirewallFlatratesGoogle AndroidGrafikGrafikkarten & MonitoreGroupwareHardwareHosting & HousingHTMLHumor (lol)Hyper-VIconsIDE & EditorenInformationsdiensteInstallationInstant MessagingInternetInternet DomäneniOSISDN & AnaloganschlüsseiTunesJavaJavaScriptKiXtartKVMLAN, WAN, WirelessLinuxLinux DesktopLinux NetzwerkLinux ToolsLinux UserverwaltungLizenzierungMac OS XMicrosoftMicrosoft OfficeMikroTik RouterOSMonitoringMultimediaMultimedia & ZubehörNetzwerkeNetzwerkgrundlagenNetzwerkmanagementNetzwerkprotokolleNotebook & ZubehörNovell NetwareOff TopicOpenOffice, LibreOfficeOutlook & MailPapierkorbPascal und DelphiPeripheriegerätePerlPHPPythonRechtliche FragenRedHat, CentOS, FedoraRouter & RoutingSambaSAN, NAS, DASSchriftartenSchulung & TrainingSEOServerServer-HardwareSicherheitSicherheits-ToolsSicherheitsgrundlagenSolarisSonstige SystemeSoziale NetzwerkeSpeicherkartenStudentenjobs & PraktikumSuche ProjektpartnerSuseSwitche und HubsTipps & TricksTK-Netze & GeräteUbuntuUMTS, EDGE & GPRSUtilitiesVB for ApplicationsVerschlüsselung & ZertifikateVideo & StreamingViren und TrojanerVirtualisierungVisual StudioVmwareVoice over IPWebbrowserWebentwicklungWeiterbildungWindows 7Windows 8Windows 10Windows InstallationWindows MobileWindows NetzwerkWindows ServerWindows SystemdateienWindows ToolsWindows UpdateWindows UserverwaltungWindows VistaWindows XPXenserverXMLZusammenarbeit
Kommentar vom Moderator Biber am 16.04.2010 um 18:04:57 Uhr
Titel "Kann man das Problem mit einer Batchdatei lösen?" ersetzt.

Kann man das Filtern von Duplikaten in großen Textdateien mit einer Batchdatei lösen?

Frage Entwicklung Batch & Shell

Mitglied: SebastianJu

SebastianJu (Level 1) - Jetzt verbinden

15.04.2010, aktualisiert 16.04.2010, 2557 Aufrufe, 2 Kommentare

Hallo,

ich weiß nicht ob man das mit einer Batchdatei lösen könnte deshalb frage ich hier mal. Ansonsten müsste ich mir überlegen wie ich das per PHP machen könnte.

Ich habe einmal eine Textdatei mit Domainnamen. Also domain1.com usw. Jede Zeile eine neue domain. Ohne Subdomains. 21383 Domains um genau zu sein.

Dann habe ich eine Reihe von anderen Textdateien bei denen die Domainnamen aus der ersten Datei in der URL vorkommen. ZB http://ichbineinedomain.de/?test=http://www.domain1.com

Die domains aus der ersten Datei können dabei irgendwo in den URLs vorkommen.

Diese URLs sind in 7 verschiedenen Dateien. Jede enthält knapp 1Mio URLs. Es werden auch einige doppelt sein aber ich weiß nicht wie ich die entdoppeln könnte. Ich habe versucht das mit Notepad++ zu machen aber der gibt auf mangels RAM.

Aber das sollte auch kein so großes Problem sein denn die URLs werden am Ende ohnehin weniger sein. Denn die Domains aus der ersten Datei sollen in allen URLs aus den anderen Dateien ersetzt werden. Durch einen Platzhalter. ZB [URL]

Und dadurch würden viele der URLs plötzlich doppelt sein da ja die Domains ersetzt wurden.

Wenn das Ganze danach gefiltert würde so dass nur noch eine gleiche URL übrigbleibt dann wären es nicht mehr viele.

Jetzt die Frage ob man dieses ersetzen der Domains mit [URL] in den URLs mit einer Batch machen kann. Denn es müsste ja eigentlich schon fast ein regulärer Ausdruck benutzt werden damit nicht zB in der URL http://ichbineinedomain.de/?test=http://www.domain1.com auf die Domain n1.com getestet würde und dann die URL kaputtgemacht wird.

Also müsste irgendein Ausdruck wie [^0-9a-zA-Z-][0-9a-zA-Z-]*\.[a-zA-Z]* benutzt werden. Wobei ich grad nicht weiß wie man festlegen könnte dass die Domain nach der tld enden können oder aber auch ein Nichtbuchstabe kommen kann. Damit sollten die Domains korrekt ausgefüllt werden.

Geht sowas? Wenn ja mit welchen Funktionen? Tips?
Mitglied: SebastianJu
16.04.2010 um 04:56 Uhr
Ich wollte jetzt erstmal versuchen die ganzen Dateien zusammenzufassen und doppelte Zeilen zu entfernen. Dazu habe ich diesen Code benutzt:

01.
@echo off & setlocal  
02.
set "DateiNeu=333Neu.txt"  
03.
  
04.
copy nul "%DateiNeu%">nul 
05.
 
06.
set "DateiAlt=333.txt"  
07.
set /a LineNo=0  
08.
for /f "usebackq" %%i in ("%DateiAlt%") do set "Zeile=%%i" & call :ProcessLine  
09.
 
10.
set "DateiAlt=333-1.txt"  
11.
set /a LineNo=0  
12.
for /f "usebackq" %%i in ("%DateiAlt%") do set "Zeile=%%i" & call :ProcessLine  
13.
 
14.
set "DateiAlt=333-2.txt"  
15.
set /a LineNo=0  
16.
for /f "usebackq" %%i in ("%DateiAlt%") do set "Zeile=%%i" & call :ProcessLine  
17.
 
18.
set "DateiAlt=333-3.txt"  
19.
set /a LineNo=0  
20.
for /f "usebackq" %%i in ("%DateiAlt%") do set "Zeile=%%i" & call :ProcessLine  
21.
 
22.
set "DateiAlt=336.txt"  
23.
set /a LineNo=0  
24.
for /f "usebackq" %%i in ("%DateiAlt%") do set "Zeile=%%i" & call :ProcessLine  
25.
 
26.
set "DateiAlt=337.txt"  
27.
set /a LineNo=0  
28.
for /f "usebackq" %%i in ("%DateiAlt%") do set "Zeile=%%i" & call :ProcessLine  
29.
 
30.
set "DateiAlt=338.txt"  
31.
set /a LineNo=0  
32.
for /f "usebackq" %%i in ("%DateiAlt%") do set "Zeile=%%i" & call :ProcessLine  
33.
 
34.
goto :eof  
35.
  
36.
:ProcessLine  
37.
set /a LineNo+=1  
38.
echo Validiere Zeile %LineNo% ...  
39.
findstr /b /c:"%Zeile%" "%DateiNeu%">nul || >>"%DateiNeu%" echo %Zeile%  
40.
goto :eof
Allerdings hat das einige Fehlermeldungen hervorgerufen. Ich glaube aus irgendeinem Grund versucht der die URLs als Befehle zu interpretieren. Zumindest hat er mit dem Zeichen & in den URLs Probleme. Die URL ist da abgeschnitten und er meint irgendwelche Befehle nicht zu erkennen. Ich dachte er liest und schreibt nur Strings?
Aber was ich auch noch gemerkt habe ist dass das Ganze sehr langsam ist. Liegt das nur an der Statusausgabe? Wenn nein dann ist das ja tausendmal langsamer als Notepad++ wäre. Und ich frage mich ob das Ganze überhaupt in einem überschaubaren Zeitrahmen ein Ende finden würde. Schließlich sind es einige Millionen URLs und die DateiNeu war ja noch klein. Das Ganze würde also später noch langsamer werden.
Bitte warten ..
Mitglied: pieh-ejdsch
29.05.2010 um 00:40 Uhr
Hallo Sebastian,

wenn in den Dateien mit der URL vor dem Gleichheitszeichen und folgender Domain kein weiteres = enthalten ist
und wenn die Domain vorher einen Punkt hat sollte es so gehen.

01.
@echo off & setlocal 
02.
set "NewFile=333Neu.txt" 
03.
set "DomainFile="Main.txt"" 
04.
set "URLFiles="1.txt" "2.txt" "3.txt"" 
05.
type nul>%NewFile% 
06.
for /f "usebackq tokens=*" %%i in (%DomainFile%) do set "Domain=%%i"& call :URL 
07.
echo Fertig!&pause>nul&goto :eof 
08.
:URL 
09.
for /f "usebackq tokens=1,2 delims==" %%i in (%URLFiles%) do for /f "tokens=1* delims=." %%k in ("%%j") do if "%%l"=="%Domain%" echo %%i [URL]>>%NewFile%& goto :eof
in der Subroutine :URL wird nur solange nach der Domain gesucht bis sie gefunden wird, anschliesend angezeigt und sofort aus der Subroutine :URL gegangen (es wäre sinnlos noch weiter nach dieser Domain zu suchen wenn diese schon einmal gefunden worden ist.)
wenns nicht gefunden wird erfolgt auch kein Eintrag.

DomainFile sowie URLFiles bitte noch anpassen. Achtung! Die Anführungszeichen Beim SET pro Datei Drummachen und gesamt auch.

Gruß Phil
Bitte warten ..
Neuester Wissensbeitrag
Ähnliche Inhalte
Batch & Shell
gelöst Ausgelagerte Variablen in Batchdatei (6)

Frage von mp-home zum Thema Batch & Shell ...

Batch & Shell
Batchdatei auf einem Server ausführen mit psexec.exe (14)

Frage von imebro zum Thema Batch & Shell ...

Batch & Shell
gelöst Unterdrücken eines DOS Fenster bei Ausführen einer Batchdatei (10)

Frage von Zockervogel zum Thema Batch & Shell ...

Sicherheit
33C3: Hacker greifen nach der großen politischen Nummer (3)

Link von Frank zum Thema Sicherheit ...

Heiß diskutierte Inhalte
Google Android
gelöst Android-Handy versehentlich (dauerhaft) gesperrt? (23)

Frage von FA-jka zum Thema Google Android ...

DSL, VDSL
gelöst DSL 200m verlängern (15)

Frage von Angela44 zum Thema DSL, VDSL ...

Batch & Shell
gelöst Ordner und Datei Name gleich (BATCH) (12)

Frage von clragon zum Thema Batch & Shell ...

Windows Server
SBS 2011 Standard virtualisieren (11)

Frage von HeinrichM zum Thema Windows Server ...