我下载了大量的网页,都是rar格式的,但是下载下来以后后缀名都是 index.html.1 ... index.html.100 ... 后缀名都是数字,当然这里的1到100是个例子,实际上的文件有30万个,需要自己把后缀名改成 *.rar,每个*.rar中都包括一个文件和两个文件夹,即default.htm paper Images
所以,我需要两个程序,
第一个,可以把文件名改成1.rar ...100.rar
第二个,读取rar中default.htm,找出含有 银行 金融 经济 证券 保险 管理 贷款 字样的予以保存,其他的删除,关键字之间是“或”的关系,不是“和”的关系,也就是只要有其中一个关键字的都保留下来,没有就删除。
我做了很久没有做出来,请达人们执教,在这里忠心的谢谢你们!
所以,我需要两个程序,
第一个,可以把文件名改成1.rar ...100.rar
第二个,读取rar中default.htm,找出含有 银行 金融 经济 证券 保险 管理 贷款 字样的予以保存,其他的删除,关键字之间是“或”的关系,不是“和”的关系,也就是只要有其中一个关键字的都保留下来,没有就删除。
我做了很久没有做出来,请达人们执教,在这里忠心的谢谢你们!
