PowerShell - 刪除文本文件中分隔符之間的多行文本

Question

我編輯 XML 文件並使用 PowerShell 在記事本中打開它們並替換文本字符串。 給定兩個不同的分隔符，開始和停止，在 XML 文件中多次出現，我想完全刪除分隔符之間的文本（分隔符是否也被刪除對我來說無關緊要）。

在下面的示例文本中，我想完全刪除開始和結束分隔符之間的文本，但保留它前后的所有文本。

我面臨的問題是，每行文本的末尾都有換行符，這使我無法執行簡單的操作：

-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>

當前代碼：

$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")
        }

任何幫助將不勝感激。 作為 PowerShell 的新手，我不知道如何在代碼中的每一行末尾考慮換行符。 感謝您的關注！

Answer 1

在 XML 文件上使用搜索和替換是非常不可取的，應該不惜一切代價避免，因為這樣很容易損壞 XML。

有更好的修改 XML 的方法，它們都遵循以下模式：

• 加載 XML 文檔
• 修改文檔樹
• 將 XML 文檔寫回文件。

對於您的情況（“刪除標記之間的節點”），這可能如下所示：

• 加載 XML 文檔
• 按文檔順序查看所有 XML 節點
• 當我們看到一條寫着“A6”的評論時，設置一個標志以從現在開始刪除節點
• 當我們看到“A6 結束”的評論時，取消設置該標志
• 收集所有應該刪除的節點（在標志打開時出現）
• 在最后一步，刪除它們
• 將 XML 文檔寫回文件。

以下程序將完全執行此操作（並且本身也會刪除“A6”注釋）：

$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循環中進行字符串替換：

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

在單個$node.Value上執行-replace是安全的。 對整個 XML 執行-replace不是。

Answer 2

筆記：

• 通常，為了進行穩健的處理，您應該使用專用的 XML 解析器來解析 XML 文本。

  • 請參閱Tomalak 的強大但更復雜的 XML 解析答案。

• 在手頭的特定情況下，使用正則表達式是一種方便的快捷方式，但需要注意的是，它僅適用於被刪除的行塊是自包含元素或元素序列； 如果此假設不成立，則修改將使 XML 文檔無效。

  • 此外，可能存在字符編碼問題，因為將 XML 文件作為文本讀取並不會遵守文件的 XML 聲明中可能存在的顯式encoding屬性 - 有關詳細信息，請參閱底部部分。

  • 也就是說，下面的技術適用於修改沒有特定正式結構的純文本文件。

---

• 您需要使用s ( SingleLine ) regex 選項來確保. 也匹配換行符- 如果使用內聯，此類選項必須放在正則表達式開頭的(?...)內； 也就是說， '(?s)...'在這種情況下。

  • 臨時，您也可以使用解決方法[\\s\\S]而不是. ，正如x15所建議的那樣； 此表達式匹配任何作為空白字符的字符。 或非空白字符，因此匹配任何字符，包括換行符。

• 要完全刪除感興趣的行，您還必須匹配前面和后面的換行符。

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

• Get-Content -Raw file.xml將文件作為一個整體（單個字符串）讀入內存。

  • Get-Content在沒有 BOM 的情況下對文件的字符編碼進行假設：Windows PowerShell 假設為 ANSI 編碼，而 PowerShell [Core] v6+ 現在合理地假設為 UTF-8。 由於Get-Content是一個通用的文本文件讀取 cmdlet，它不知道 XML 輸入文件的 XML 聲明中的潛在encoding屬性（例如，
    <?xml version="1.0" encoding="ISO-8859-1"?> )
  • 同樣， Set-Content在 Windows PowerShell 中默認為 ANSI，在無 BOM 的 UTF-8 PowerShell [Core] v6+ 中默認為 ANSI。
  • 如有疑問，請在Get-Content和Set-Content使用-Encoding參數
  • 有關更多信息，請參閱底部部分。

• \\r?\\n匹配 Windows 風格的 CRLF 換行符和 Unix 風格的 LF-only 換行符。

• 使用(?:\\r?\\n)? 而不是\\r?\\n如果換行符不能保證在感興趣的行之前/之后。

要驗證結果字符串是否仍然是有效的 XML 文檔，只需將命令（或其捕獲的結果） [xml]為[xml] : [xml] ((Get-Content ...) -replace ...)

如果您發現文檔已損壞，請使用Tomalak 的完全健壯但更復雜的 XML 解析答案。

---

XML 文件和字符編碼：

如果您使用Get-Content將 XML 文件讀取為 text ，並且該文件既沒有 UTF-8 BOM 也沒有 UTF-16 / UTF-32 BOM，則Get-Content做出一個假設：它假設 ANSI 編碼（例如，Windows -1252) 在 Windows PowerShell 中，更明智的是，在 PowerShell [Core] v6+ 中使用 UTF-8 編碼。 由於Get-Content是通用的文本文件讀取 cmdlet，因此它不知道 XML 輸入文件的 XML 聲明中的潛在encoding屬性。

• 如果您知道實際編碼，請使用-Encoding參數來指定它。

• 使用具有相同值的-Encoding稍后使用Set-Content保存文件：與 PowerShell 中的通常情況一樣，一旦數據被文件讀取 cmdlet 加載到內存中，就不會保留有關其原始編碼的信息，並且使用諸如Set-Content類的文件寫入 cmdlet 稍后使用其固定的默認編碼，在 Windows PowerShell 中再次使用 ANSI，在 PowerShell [Core] v6+ 中使用無 BOM 的 UTF-8。 請注意，不幸的是，不同的 cmdlet 在 Windows PowerShell 中具有不同的默認值，而 PowerShell [Core] v6+ 值得稱贊的是始終默認為 UTF-8。

System.Xml.XmlDocument .NET 類型（其 PowerShell 類型加速器是[xml] ）提供強大的 XML 解析，如果文檔的 XML 聲明包含顯式encoding ，則使用其.Load()和.Save()方法提供更好的編碼支持命名使用的編碼的屬性：

• 如果存在這樣的屬性（例如， <?xml version="1.0" encoding="ISO-8859-1"?> ）， .Load()和.Save()都會遵守它。

  • 即具有encoding屬性的輸入文件將被正確讀取，並以相同的編碼保存。
  • 當然，這假設在encoding屬性中命名的encoding反映了輸入文件的實際編碼。

• 否則，如果文件沒有 BOM ，則假定(BOM-less) UTF-8，就像 PowerShell [Core] v6+ 的Get-Content / Set-Content - 這是明智的，因為 XML 文檔既沒有encoding屬性也沒有根據W3C XML 建議，UTF-8 或 UTF-16 BOM 應默認為 UTF-8； 如果文件確實有 BOM，則只允許使用 UTF-8 和 UTF-16，而無需在encoding屬性中命名encoding ，盡管實際上XmlDocument也可以正確讀取帶有 BOM 的 UTF-32 文件。

  • 這意味着.Save()不會保留沒有encoding屬性的（帶 BOM 的）UTF-16 或 UTF-32 文件的encoding ，而是創建一個無 BOM 的 UTF-8 文件。

  • 如果您想檢測文件的實際編碼 - 從其 BOM 推斷/不存在，或者，如果存在， encoding屬性，請通過XmlTextReader實例讀取您的文件：

     # 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()

  • 如果給定的文件不合規，並且您知道所使用的實際編碼和/或您想使用給定的編碼保存（確保它不與encoding屬性相矛盾，如果有的話），您可以明確指定編碼（相當於使用-Encoding和Get-Content / Set-Content ），使用.Load() / .Save()方法重載接受Stream實例，通過使用給定編碼構造的StreamReader / StreamWriter實例； 例如：

     # Get the encoding to use, matching the input file's. # Eg, 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()

將文件路徑傳遞給 .NET 方法的一般警告：始終使用完整路徑，因為 .NET 對當前目錄的理解通常與 PowerShell 不同。