如何确定文件在 PowerShell 中是制表符分隔的？

Question

我正在编写一个脚本，它读取一些文本文件并将它们转换为 .csv 并更改一些值。我有两个不同的文件源。一个是制表符分隔的 .txt 文件，另一个是逗号分隔的 .txt 文件。有没有办法确定使用哪种类型的分隔符来确定哪种导出函数合适？

get-childitem $workingDir -filter *.txt -Recurse| ForEach-Object {
   
$targetfile = $_.Name
$targetFile = $_.FullName.Substring(0,$_.FullName.Length-4)
$targetFile = $targetfile += ".csv"

if( Get-Content -Delimiter = `t ){
    Write-Host "The file is tab-delimited"
    Get-Content -path $_.FullName 
    ForEach-Object {$_ -replace “`t”,”,” } |  
    Out-File -filepath $targetFile -Encoding utf8 
}

else {
    Write-Host "The file is comma-separated"
    Get-Content -path $_.FullName | 
    Out-File -filepath $targetFile -Encoding utf8 
}
}

Answer 1

另一种方法是使用Select-String 检查制表符并设置分隔符。

if(Get-Content $csvfile -First 1 | Select-String -Pattern "`t")
{
    $delim = "`t"
}
else
{
    $delim = ','
}

Import-Csv $csvfile -Delimiter $delim

Answer 2

假设逗号分隔的文件从不包含制表符（然后是 data），最有效的方法是只检查 first 行每个文件是否存在制表符，使用(Get-Content -First 1 $_.FullName) -match "`t" 最容易做到这一点 - 请参阅Get-Content 和-match，regular-expression matching operator。

# Determine the arguments to pass to Set-Content - later, via splatting - 
# for writing the output file.
$setContentArgs = @{
  LiteralPath = $_.BaseName + '.csv'
  Encoding = 'utf8'
}

# Check the 1st line for containing a tab.
# (This assumes that the comma-separated files contain not tabs as data.)
if ((Get-Content -First 1 $_.FullName) -match "`t") {
  Write-Host "The file is tab-delimited."
  # Read line by line, replace tabs with commas, and write with UTF-8 encoding.
  Get-Content $_.FullName | ForEach-Object { $_ -replace "`t", ',' } |
    Set-Content @setContentArgs
} 
else {
  Write-Host "The file is comma-separated."
  # Just read lines as-is and write with UTF-8 encoding.
  Get-Content $_.FullName |
    Set-Content @setContentArgs
}

• 注意.BaseName 属性在输入[System.IO.FileInfo] 上的使用，它可以方便地报告文件名没有扩展名，这样您就可以简单地附加新的扩展名。

• 由于您只处理文本（字符串），因此效率稍高的Set-Content 比Out-File 更可取。

• 关于通过散列表 (@{ ... }) 传递参数的技术，请参阅about_Splatting

---

如果文件很小（很容易将每个文件作为一个整体（可能两次）放入内存中），您可以通过使用-Raw 读取每个文件作为一个整体显着加快处理速度 并使用
-NoNewLine (PSv5+) 将（可能已修改的）字符串按原样写入输出文件，而不附加尾随换行符。

由于您无论如何都在读取整个文件，因此您可以通过单个 Get-Content 调用并盲目地应用 -replace "`t", ','，因为对于逗号分隔的文件，这将只是一个（快速）无操作。

(Get-Content -Raw $_.FullName) -replace "`t", ',' |
  Set-Content ($_.BaseName + '.csv') -Encoding Utf8 -NoNewLine

Answer 3

我将为此使用Import-Csv：

If(Import-Csv "File path to test if Tab-delimited file" -Delimiter "`t" -Ea SilentlyContinue){
  "File is tab-delimited"
}
If(Import-Csv "File path to test if Comma-CSV file" -Ea SilentlyContinue){
  "File is a comma-separated CSV"
}