PowerShell 中的多行正则表达式

Question

我有这个 PowerShell 脚本，其主要目的是在文件夹中搜索 HTML 文件，找到特定的 HTML 标记，然后用我告诉它的内容替换。

我已经完成了 3/4 的查找和替换工作。我遇到的问题涉及正则表达式。

这是我试图让我的正则表达式查找和替换的标记：

<a href="programsactivities_skating.html"><br />
                                           </a>

这是我目前拥有的正则表达式，以及我在其中使用它的函数：

automate -school "C:\Users\$env:username\Desktop\schools\$question" -query '(?mis)(?!exclude1|exclude2|exclude3)(<a[^>]*?>(\s|&nbsp;|<br\s?/?>)*</a>)' -replace ''

这里是自动化功能：

function automate($school, $query, $replace) {
    $processFiles = Get-ChildItem -Exclude *.bak -Include "*.html", "*.HTML", "*.htm", "*.HTM" -Recurse -Path $school
    foreach ($file in  $processFiles) {
        $text = Get-Content $file
        $text = $text -replace $query, $replace
        $text | Out-File $file -Force -Encoding utf8
    }
}

我已经尝试找出解决这个问题的方法大约 2 天了，但似乎无法让它发挥作用。我已经确定问题是我需要告诉我的正则表达式来解释多行，这就是我遇到的问题。

非常感谢任何人提供的任何帮助。

提前致谢。

Answer 1

Get-Content 生成一个字符串数组，其中每个字符串包含输入文件中的一行，因此您将无法匹配超过一行的文本段落。如果您希望能够匹配多行，则需要将数组合并为一个字符串：

$text = Get-Content $file | Out-String

或

[String]$text = Get-Content $file

或

$text = [IO.File]::ReadAllText($file)

请注意，1^st 和 2^nd 方法不会保留输入文件中的换行符。正如 Keith 在 cmets 中指出的那样，方法 2 只是简单地破坏所有换行符，方法 1 在加入数组时将 <CR><LF> 放在每行的末尾。在处理 Linux/Unix 或 Mac 文件时，后者可能是个问题。

Answer 2

我不明白你想用那些排除元素做什么，但我发现多行正则表达式通常更容易在此处字符串中构造：

$text = @'
<a href="programsactivities_skating.html"><br />
                                       </a>
'@

$regex = @'
(?mis)<a href="programsactivities_skating.html"><br />
\s+?</a>
'@

$text -match $regex

True

Answer 3

Get-Content 将返回一个字符串数组，您想连接有问题的字符串以创建一个：

function automate($school, $query, $replace) {
    $processFiles = Get-ChildItem -Exclude *.bak -Include "*.html", "*.HTML", "*.htm", "*.HTM" -Recurse -Path $school
    foreach ($file in  $processFiles) {
        $text = ""
        $text = Get-Content $file | % { $text += $_ +"`r`n" }
        $text = $text -replace $query, $replace
        $text | Out-File $file -Force -Encoding utf8
    }
}