使用 Powershell 提取文件的前 50 个字节答案

【问题标题】：Extract the first 50 bytes of a file using Powershell使用 Powershell 提取文件的前 50 个字节
【发布时间】：2020-03-25 20:56:50
【问题描述】：

我正在用 powershell 编写一个脚本来从服务器中提取文件信息并将数据写入 csv 文件以供审查。我的大部分脚本运行良好，但我最初尝试提取每个文件的第一行导致了意外结果，因为某些文件没有 /cr 并因此打印整个文件内容。

我想将每个文件的前 50 个字节提取到 csv 中，但 -TotalCount 读取第一行，我一直在读取 .NET [IO.File] 和 [System.Text.Encoding] 但找不到工作方法。

我的代码目前是：


    Select-Object FullName,Name,Directory,@{n="Owner";ex={(Get-ACL $_.Fullname).Owner}},CreationTimeUtc,LastAccessTimeUtc,LastWriteTimeUtc,@{n='Size(MB)';ex={[math]::Round($_.length/1MB, 2)}},
    @{n='MD5';ex={(Get-FileHash $_.fullname).hash}},@{n="Content(UTF8)";ex={(Get-Content $_.fullname -AsByteStream -Raw -TotalCount 50)}} |

    Export-Csv c:\temp\$fn-filelisting.csv -NoTypeInformation

似乎 PS 过去使用字节作为 -TotalCount 的选择，但后来将其更改为按行读取。

由于系统限制，必须使用 PS，所以任何想法都将不胜感激。

【问题讨论】：

从网上快速搜索，它看起来像[IO.File]::OpenRead($file)，然后是.ReadBytes() 方法。

标签： powershell

【解决方案1】：

这将返回一个字节数组。在 powershell 5 中，它是 -encoding byte。

get-content file -AsByteStream -totalcount 50

使用 powershell 5 并获取字符串：

$a = get-content file -encoding byte -totalcount 50
-join [char[]]$a

aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa

【讨论】：

我应该提到我使用的是 PS 5.1。使用 -encoding byte 以十进制表示形式显示前 20 个字符，每行一个（例如 60、104）。
-join [char[]]$a 很方便，但仅在文本为 ASCII 编码（单字节编码，字节值最多为 127，无 BOM）时才有效。

【解决方案2】：

您希望读取前 50 个字符，而不是字节。因此，使用System.IO.StreamReader 实例，因为Get-Content 不支持读取给定数量的字符，仅支持行：

$charBuf = [char[]]::new(50) # buffer to read into
$textStream = [IO.StreamReader] $_.FullName # create the stream reader
$charCount = $textStream.Read($charBuf, 0, $charBuf.Length) # read into buffer
$textStream.Close() # close the stream
-join $charBuf[0..($charCount-1)] # output the chars. read as a string

至于你尝试了什么：

Get-Content $_.fullname -AsByteStream -Raw -TotalCount 50

-AsByteStream 仅在 PowerShell [Core] 6+ 中受支持，它取代了 -Encoding Byte。

^{这构成了一个不幸的重大更改：请参阅 this GitHub issue 和 this comment。}

在 Windows PowerShell 中，必须使用 -Encoding Byte。

-TotalCount 在与-AsByteStream/-Encoding Byte结合时仅输出指定字节数有效。

但是，参数-Raw 和-TotalCount 是互斥的。

虽然 Get-Content $_.fullname -Encoding Byte -TotalCount 50 / Get-Content $_.fullname -AsByteStream -TotalCount 50 因此确实在 PowerShell [Core] / Windows PowerShell 中工作，但它一个接一个地输出字节，如果你想收集所有字节在内存中。

因此，添加-ReadCount 50 以便一次读取50 个字节，并将它们作为[byte[] 数组输出：

# Read 50 bytes at once and utput a [byte[]] array

# Windows PowerShell:
Get-Content $_.fullname -Encoding Byte -TotalCount 50 -ReadCount 50

# PowerShell [Core] 6+
Get-Content $_.fullname -AsByteStream -TotalCount 50 -ReadCount 50

在 PowerShell [Core] 7 中，提供了一种优化：-ReadCount 0 是一个快捷方式，用于请求将任何计数 -TotalCount 请求读入单个数组：

# PowerShell 7
Get-Content $_.fullname -Encoding Byte -TotalCount 50 -ReadCount 0

虽然上面是提取前 50 个字节的相当有效的方法，但将它们转换为字符：

比较麻烦，因为你需要知道源字符编码，并根据它将字节转换为文本。
但更重要的是，如果输入文件使用 variable-length 编码，尤其是 UTF-8，如果 50 -byte 边界恰好落在组成单个字符的多个个字节的中间，在 UTF-8 中适用于 ASCII 范围之外的任何字符，例如 é。

从 v7.0 开始，Get-Content 不提供读取指定数量的字符的方法，这就是上述解决方案中使用 .NET System.IO.StreamReader 类型的原因。

【讨论】：