PowerShell - 删除文本文件中分隔符之间的多行文本

Question

我编辑 XML 文件并使用 PowerShell 在记事本中打开它们并替换文本字符串。给定两个不同的分隔符，开始和停止，在 XML 文件中出现 多次，我想完全删除分隔符之间的文本（分隔符是否也被删除并不重要给我）。

在下面的示例文本中，我想完全删除开始和结束分隔符之间的文本，但保留它之前和之后的所有文本。

我面临的问题是，每行文本的末尾都有 换行符，这使我无法进行简单的操作：

-replace "<!--A6-->.*?<!--A6 end-->", "KEVIN"

起始分隔符：

<!--A6-->

停止分隔符：

<!--A6 end-->

示例文本：

<listItem>
<para>Apple iPhone 6</para>
</listItem>
<listItem>
<para>Apple iPhone 8</para>
</listItem>
<!--A6-->
<listItem>
<para>Apple iPhone X</para>
</listItem>
<!--A6 end-->
</randomList></para>
</levelledPara>
<levelledPara>
<!--A6-->
<title>Available Apple iPhone Colors</title>
<para>The current iPhone model is available in
the follow colors.  You can purchase this model
in store, or online.</para>
<!--A6 end-->
<para>If the color option that you want is out
of stock, you can find them at the following
website link.</para>

当前代码：

$Directory = "C:\Users\hellokevin\Desktop\PSTest"

$FindBook = "Book"

$ReplaceBook = "Novel"

$FindBike = "Bike"

$ReplaceBike = "Bicycle"

Get-ChildItem -Path $Directory -Recurse |
    Select-Object -Expand FullName|
        ForEach-Object {
            (Get-Content $_) -replace $FindBook,$ReplaceBook -replace "<!--A6-->.*?<!--A6 end-->", "KEVIN" |
            Set-Content ($_ + "_new.xml")
        }

任何帮助将不胜感激。作为 PowerShell 的新手，我不知道如何在代码中的每一行末尾考虑换行符。感谢收看！

Answer 1

在 XML 文件上使用搜索和替换是非常不可取的，应该不惜一切代价避免，因为这种方式太容易损坏 XML。

有更好的修改 XML 的方法，它们都遵循这个模式：

• 加载 XML 文档
• 修改文档树
• 将 XML 文档写回到文件中。

对于您的情况（“删除标记之间的节点”），可能如下：

• 加载 XML 文档
• 按文档顺序查看所有 XML 节点
• 当我们看到“A6”的评论时，设置一个标志以从现在开始删除节点
• 当我们看到“A6 结束”的评论时，取消设置该标志
• 收集所有应删除的节点（在标志打开时出现）
• 在最后一步中，删除它们
• 将 XML 文档写回到文件中。

以下程序将完全做到这一点（并且还删除“A6”cmets 本身）：

$doc = New-Object xml
$doc.Load("C:\path\to\your.xml")

$toRemove = @()
$A6flag = $false
foreach ($node in $doc.SelectNodes('//node()')) {
    if ($node.NodeType -eq "Comment") {
        if ($node.Value -eq 'A6') {
            $A6flag = $true
            $toRemove += $node
        } elseif ($node.Value -eq 'A6 end') {
            $A6flag = $false
            $toRemove += $node
        }
    } elseif ($A6flag) {
        $toRemove += $node
    }
}
foreach ($node in $toRemove) {
    [void]$node.ParentNode.RemoveChild($node)
}

$doc.Save("C:\path\to\your_modified.xml")

您也可以在 foreach 循环内进行字符串替换：

if ($node.NodeType -eq "Text") {
    $node.Value = $node.Value -replace "Apple","APPLE"
}

在单个$node.Value 上执行-replace 是安全的。对整个 XML 执行 -replace 不是。

Answer 2

注意：

• 一般来说，为了进行稳健的处理，您应该使用专用的 XML 解析器来解析 XML 文本。

  • 见Tomalak's robust, but more complex XML-parsing answer。

• 在手头的特定情况下，使用 regex 是一种方便的快捷方式，但需要注意的是它只有效，因为被移除的行块是独立的元素或元素序列；如果这个假设不成立，修改将使 XML 文档无效。

  • 此外，可能存在字符编码问题，因为读取 XML 文件作为文本不遵守显式encoding 属性可能存在于文件的 XML 声明中 - 有关详细信息，请参阅底部部分。

  • 也就是说，以下技术适用于修改没有特定正式结构的纯文本文件。

---

• 您需要使用s (SingleLine) regex option 以确保. 也匹配换行符 - 如果内联使用此类选项，则必须放在(?...) 内在正则表达式的开头；也就是说，在这种情况下，'(?s)...'。

  • 特设，您也可以按照x15 的建议使用解决方法[\s\S] 而不是.；此表达式匹配任何作为空白字符的字符。或非空白字符，因此匹配任何字符，包括换行符。

• 要完全删除感兴趣的行，您还必须匹配前面和后面的换行符。

(Get-Content -Raw file.xml) -replace '(?s)\r?\n<!--A6-->.*?<!--A6 end-->\r?\n'

• Get-Content -Raw file.xml 将文件读入内存作为一个整体（单个字符串）。

  • Get-Content 在没有 BOM 的情况下对文件的字符编码做出假设：Windows PowerShell 采用 ANSI 编码，而 PowerShell [Core] v6+ 现在明智地采用 UTF-8。由于Get-Content 是一个通用的文本文件读取cmdlet，它不知道XML 输入文件的XML 声明中潜在的encoding 属性（例如，
    <?xml version="1.0" encoding="ISO-8859-1"?> )
  • 同样，Set-Content 在 Windows PowerShell 和 BOM-less UTF-8 PowerShell [Core] v6+ 中默认为 ANSI。
  • 如有疑问，请使用-Encoding 参数，同时使用Get-Content 和Set-Content
  • 有关详细信息，请参阅底部部分。

• \r?\n 匹配 Windows 样式的 CRLF 换行符和 Unix 样式的 LF-only 换行符。

• 如果不能保证换行符在感兴趣的行之前/之后，则使用(?:\r?\n)? 而不是\r?\n。

要验证生成的字符串是否仍然是有效的 XML 文档，只需将命令（或其捕获的结果）转换为 [xml]：[xml] ((Get-Content ...) -replace ...)

如果发现文档损坏，请使用Tomalak's fully robust, but more complex XML-parsing answer。

---

XML 文件和字符编码：

如果您使用Get-Content 读取 XML 文件作为文本，并且该文件既没有 UTF-8 BOM 也没有 UTF-16 / UTF-32 BOM，Get-Content 会生成一个假设：它在 Windows PowerShell 中采用 ANSI 编码（例如，Windows-1252），更明智的是，在 PowerShell [Core] v6+ 中采用 UTF-8 编码。由于 Get-Content 是一个通用的文本文件读取 cmdlet，它不知道 XML 输入文件的 XML 声明中潜在的 encoding 属性。

• 如果知道实际编码，使用-Encoding参数指定。

• 使用具有相同值的 -Encoding 稍后保存带有 Set-Content 的文件：与 PowerShell 中的通常情况一样，一旦数据已通过文件读取 cmdlet 加载到内存中，否保留有关其原始编码的信息，并且稍后使用诸如Set-Content 之类的文件写入cmdlet 使用其固定的默认编码，这又是Windows PowerShell 中的ANSI 和BOM- PowerShell [Core] v6+ 中的 UTF-8 更少。请注意，不幸的是，不同的 cmdlet 在 Windows PowerShell 中具有不同的默认值，而 PowerShell [Core] v6+ 值得称道的是始终默认为 UTF-8。

System.Xml.XmlDocument .NET 类型（其 PowerShell 类型加速器为 [xml]）提供强大的 XML 解析，并使用其 .Load() 和 .Save() 方法提供更好的编码支持如果文档的 XML 声明包含显式的 encoding 属性 命名使用的编码：

• 如果存在这样的属性（例如，<?xml version="1.0" encoding="ISO-8859-1"?>），.Load() 和 .Save() 都会使用它。

  • 即具有encoding 属性的输入文件将被正确读取，并以相同的编码保存。
  • 当然，这假定encoding 属性中指定的编码反映的是输入文件的实际编码。

• 否则，如果文件没有 BOM，则 (BOM-less) UTF-8 被假定，与 PowerShell [Core] v6+ 的 Get-Content / @987654369 一样@ - 这是明智的，因为根据 W3C XML Recommendation，既没有 encoding 属性也没有 UTF-8 或 UTF-16 BOM 的 XML 文档应该默认为 UTF-8；如果文件确实有 BOM，则只允许使用 UTF-8 和 UTF-16而无需在 encoding 属性中命名编码，尽管在​​实践中 XmlDocument还可以正确读取带有 BOM 的 UTF-32 文件。

  • 这意味着.Save() 将不会保留没有@987654374 的（带BOM）UTF-16 或UTF-32 文件的编码 @attribute，而是创建一个无 BOM 的 UTF-8 文件。

  • 如果你想检测一个文件的实际编码 - 从它的 BOM 推断/没有它，或者，如果存在，encoding 属性，通过XmlTextReader 实例读取你的文件：

    # Create an XML reader.
    $xmlReader = [System.Xml.XmlTextReader]::new(
      "$pwd/some.xml" # IMPORTANT: use a FULL PATH
    )
    
    # Read past the declaration, which detects the encoding,
    # whether via the presence / absence of a BOM or an explicit
    # `encoding` attribute.
    $null = $xmlReader.MoveToContent()
    
    # Report the detected encoding.
    $xmlReader.Encoding
    
    # You can now pass the reader to .Load(), if needed
    # See next section for how to *save* with the detected encoding.
    $xmlDoc = [xml]::new()
    $xmlDoc.Load($xmlReader)
    $xmlReader.Close()
    

  • 如果给定文件不兼容并且您知道使用的实际编码和/或您想使用给定编码保存（请确保它不t 与encoding 属性相矛盾，如果有的话），您可以显式指定编码（相当于将-Encoding 与Get-Content / Set-Content 一起使用），使用.Load() / .Save() 方法重载接受Stream 实例，通过使用给定编码构造的 StreamReader / StreamWriter 实例；例如：

    # Get the encoding to use, matching the input file's.
    # E.g., if the input file is ISO-8859-1-encoded, but lacks
    # an `encoding` attribute in the XML declaration.
    $enc = [System.Text.Encoding]::GetEncoding('ISO-8859-1')
    
    # Create a System.Xml.XmlDocument instance.
    $xmlDoc = [xml]::new()
    # Create a stream reader for the input XML file
    # with explicit encoding.
    $streamIn = [System.IO.StreamReader]::new(
      "$pwd/some.xml", # IMPORTANT: use a FULL PATH
      $enc
    )
    # Read and parse the file.
    $xmlDoc.Load($streamIn)
    # Close the stream
    $streamIn.Close()
    
    # ... process the XML DOM.
    
    # Create a stream *writer* for saving back to the file
    # with the same encoding.
    $streamOut = [System.IO.StreamWriter]::new(
      "$pwd/t.xml", # IMPORTANT: use a FULL PATH
      $false, # don't append
      $enc    # same encoding as above in this case.
    )
    
    # Save the XML DOM to the file.
    $xmlDoc.Save($streamOut)
    # Close the stream
    $streamOut.Close()
    

将文件路径传递给 .NET 方法的一般警告：始终使用完整路径，因为 .NET 对当前目录的想法通常与 PowerShell 不同。