Powershell`-replace`正则表达式与换行符不匹配答案

【问题标题】：Powershell `-replace` regex does not match newlinePowershell`-replace`正则表达式与换行符不匹配
【发布时间】：2021-12-14 01:53:23
【问题描述】：

我正在尝试使用正则表达式清理一些 html 文件（是的，我见过 the post。我一般不打算解析 html）并且我想删除所有不包含标签的行。我的脚本如下：

Remove-Item $args[1]
$text = (Get-Content -Path $args[0] -Raw)
$text = $text -replace "^\s*\r?\n"
New-Item -Path $args[1] -ItemType File -Force -Value $text

还有很多其他的东西我想替换，但我主要是在尝试修复

我可以验证内部正则表达式是否有效：VSCode（使用 JS 正则表达式而不是 powershell 的 .NET 正则表达式）使用提供的正则表达式正确匹配（并替换）有问题的行。

我知道Powershell is Special，所以我将Get-Content 的输出转换为带有嵌入换行符的原始字符串。这没有帮助。

我可以通过将正则表达式文本从 "^\s*\r?\n" 更改为 "p", "abc" 并看到 p 标记来验证其他函数（即 remove-item 和 new-item）工作正常，并且其他正则表达式工作正常都变成abc标签。

此外，正则表达式\s*\r?\n 有效，所以并不是正则表达式找不到换行符。

正则表达式 \A\s*\r?\n 也不起作用，这意味着它与 PowerShell 如何查找字符串的开头\结尾有关。

发生了什么事？

<p>This is some text</p>

(the next line has a bunch of spaces)
               

<p>this is some more text</p>

作为参考，当使用 VSCode 的 JS 正则表达式引擎（我相信类似于 PCRE）时，我的正则表达式应该（并且确实）匹配上述示例的第二、第四和第五行

最后，正则表达式的反编译：

^         from the start of the string
 \s*      match any number of whitespaces
    \r?   possibly followed by a carriage return
       \n then a newline

【问题讨论】：

标签： html regex powershell

【解决方案1】：

当你这样做时

$text = (Get-Content -Path $args[0] -Raw)

$text 中有行尾，您的正则表达式可以匹配它们。

^ 锚点也可以匹配任何行的开头，但是需要使用一个特殊的标志：

$text = $text -replace '(?m)^\s*\n'

\s 模式涵盖了回车，不用担心它们并使用\r?。

解释

--------------------------------------------------------------------------------
  (?m)                     set flags for this block (with ^ and $
                           matching start and end of line) 
--------------------------------------------------------------------------------
  ^                        the beginning of a "line"
--------------------------------------------------------------------------------
  \s*                      whitespace (0 or
                           more times (matching the most amount
                           possible))
--------------------------------------------------------------------------------
  \n                       '\n' (newline)

【讨论】：

【解决方案2】：

Ryszard Czech's helpful answer 很好地解释了您的方法存在的问题并提供了有效的解决方案。

本质上，您希望从文件中删除 empty 或 blank（全空白）行。

更简单 - 尽管速度较慢 - 解决方案 是利用 Get-Content 的默认逐行流式传输，结合许多 PowerShell 操作员对 进行操作的能力输入数组，在这种情况下它们充当过滤器。

在这种情况下，您可以利用-match operator（根据需要调整-Encoding）：

@(Get-Content -Path $args[0]) -match '\S' | Set-Content -Encoding UTF8 $args[1]

上面将文件$args[0] 中包含至少一个非空白字符 (\S) 的所有行传递到Set-Content，这会将过滤后的行保存到目标文件@987654331 @。

【讨论】：

【解决方案3】：

诀窍是，您实际上没有超过一行可以匹配。

当您使用-Raw 将文件转换为字符串时，您将其变成了一行。 ^ 因此只会匹配文件的开头，因为这是正则表达式引擎可以找到的唯一字符串开头的标识符。

解决方法是匹配上一行末尾的换行符或匹配文件的开头，然后将其转移到您的替换中，如下所示：

$text = $text -replace "(^|\n)\s*\r?\n","$1"

【讨论】：