Powershell regex替换文件中的urls

Question

我正在尝试匹配regex并在文件中替换匹配。我的正则表达式如下(与之匹配很好)：

$regex1 = [regex] "index.php\?title\=[a-zA-Z0-9_]*"

我试图在以下文件中运行替换的源文件的经过编辑的摘录：

<content:encoded>
    <![CDATA[<a href="http://[redacted]/index.php?title=User_Manual">
    <a href="http://[redacted]/index.php?title=User_Manual">The software</a>, running on the 
    <a href="http://[redacted]/index.php?title=Mobile_Device">POS Device</a>, enables 
    <a href="http://[redacted]/index.php?title=Logging_In">log in</a>, 
    <a href="http://[redacted]/index.php?title=Selecting_Journey">select a journey</a>

而Powershell替换：

.Replace("index.php?title=","").Replace("_","-").ToLower())

我提取了所有匹配项，将$allmatches数组强制转换为一个新数组(因此它是可写的)，然后更新新数组中的值。我想不出如何将它写回文件，而且似乎找不到任何文章或文档来帮助解决这个问题。我的代码到目前为止：

$regex1 = [regex] "index.php\?title\=[a-zA-Z0-9_]*"

$contentOf=Get-Content $contentfile
$allmatches=$regex1.Matches($contentOf)
$totalcount=$allmatches.Count

$newArray = $allmatches | select *

for($i=0;$i -le $totalCount;$i++) {
    $newvalue=(($allmatches[$i].Value).Replace("index.php?title=","").Replace("_","-").ToLower())
    $newArray[$i].Value = $newvalue
}

此时，我有一个包含所有regex匹配和替换的数组$newArray，但不知道如何将其写回我的文件/变量(如$newarray[0] )。

Groups   : {0}
Success  : True
Name     : 0
Captures : {0}
Index    : 4931
Length   : 40
Value    : user-manual

当然，我这样做完全是错误的。就我为什么选择Powershell来做这件事而言，仅仅是因为这是我花了大部分时间编写这些days...of课程的地方，我确信它在shell中是可以实现的(我需要更长的时间才能达到这个目的)。

Answer 1

实际上，这是在regex和正则表达式中的.Net替换中使用捕获组的好地方。修改后的正则表达式是：

$regex = [regex] 'index\.php\?title\=(\p{L}*)_(\p{L}*)'

• \p{L}匹配任何字母(由Unicode定义，而不仅仅是A)。
• (\p{L}*)是一个只包含字母的编号捕获组。
• 替换模式字符串将使用$1和$2来引用每个捕获组：'$1-$2'。注意在替换字符串上使用单引号''，以防止PowerShell变量在$1和$2上展开。

简单替代

如果我们只关心捕获组，我们可以只使用以下代码：

    $testContent = @'
<content:encoded>
    <![CDATA[<a href="http://[redacted]/index.php?title=User_Manual">
    <a href="http://[redacted]/index.php?title=User_Manual">The software</a>, running on the
    <a href="http://[redacted]/index.php?title=Mobile_Device">POS Device</a>, enables
    <a href="http://[redacted]/index.php?title=Logging_In">log in</a>, 
    <a href="http://[redacted]/index.php?title=Selecting_Journey">select a journey</a>
    '@
    $regex = [regex] 'index\.php\?title\=(\p{L}*)_(\p{L}*)'
    $modifiedContent = [regex]::Replace($testContent, $regex, '$1-$2')

其结果是：

<content:encoded>
<![CDATA[<a href="http://[redacted]/index.php?title=User_Manual">
<a href="http://[redacted]/index.php?title=User_Manual">The software</a>, running on the
<a href="http://[redacted]/index.php?title=Mobile_Device">POS Device</a>, enables
<a href="http://[redacted]/index.php?title=Logging_In">log in</a>, 
<a href="http://[redacted]/index.php?title=Selecting_Journey">select a journey</a>

这种方法的问题是，不允许我们将组更改为小写。正则表达式实际上并没有处理这个需求的方法。幸运的是，.Net有一个扩展，允许我们轻松地处理更复杂的情况。

使用MatchEvaluator委托

MatchEvaluator是一个对象，可以与regex替换方法的重载一起使用，用于正常替换不足的情况。在PowerShell中，它们可以是一个简单的具有[Match]参数的scriptblock：

    $testContent = @'
    <content:encoded><![CDATA[<a href="http://[redacted]/index.php?title=User_Manual">
   <content:encoded>
    <![CDATA[<a href="http://[redacted]/index.php?title=User_Manual">
    <a href="http://[redacted]/index.php?title=User_Manual">The software</a>, running on the
    <a href="http://[redacted]/index.php?title=Mobile_Device">POS Device</a>, enables
    <a href="http://[redacted]/index.php?title=Logging_In">log in</a>, 
    <a href="http://[redacted]/index.php?title=Selecting_Journey">select a journey</a>
    '@
    $regex = [regex] 'index\.php\?title\=(\p{L}*)_(\p{L}*)'
    $MatchEvaluator = {
        param($match)    
        $group1 = $match.Groups[1].Value.toLower()
        $group2 = $match.Groups[2].Value.toLower()
        return "$group1-$group2"
    }
    [regex]::Replace($testContent, $regex, $MatchEvaluator)

它提供了所期望的结果：

<content:encoded>
    <![CDATA[<a href="http://[redacted]/index.php?title=User_Manual">
    <a href="http://[redacted]/index.php?title=User_Manual">The software</a>, running on the
    <a href="http://[redacted]/index.php?title=Mobile_Device">POS Device</a>, enables
    <a href="http://[redacted]/index.php?title=Logging_In">log in</a>, 
    <a href="http://[redacted]/index.php?title=Selecting_Journey">select a journey</a>

替换文件的内容

最后的代码如下所示：

# Load the file as a single string
$content = Get-Content $contentfile -Raw

# Regex to replace, with capturing groups
$regex = [regex] 'index\.php\?title\=(\p{L}*)_(\p{L}*)'

# Delegate to transfrom capture groups into lowercase
$MatchEvaluator = {
    param($match)
    $group1 = $match.Groups[1].Value.toLower()
    $group2 = $match.Groups[2].Value.toLower()
    return "$group1-$group2"
}

# Replace all matches of the regular expression with delegate
$modifiedContent = [regex]::Replace($Content, $regex, $MatchEvaluator)

# Overwrite existing file
$modifiedContent | Out-File $contentfile

Answer 2

我提取了所有匹配项，将$allmatches数组强制转换为一个新数组(因此它是可写的)，然后更新新数组中的值。

你不需要这样做，问题的解决要简单得多。您所需要做的就是对原始文件使用Get-Content，并对每一行进行迭代。您还可以使用-replace运算符而不是[Regex]类来处理替换：

Get-Content $contentFile | Foreach-Object {
  $_ = ( $_ -replace 'index.php\?title=' ) -replace '_', '-'
} | Set-Content $contentFile

您可以直接将Get-Content的结果输送到Foreach-Object。对于每一行，我们希望用一个空字符串替换index.php\?title= (您可以省略-replace的第二个参数作为这个参数的缩写)。然后，我们还将该行的_替换为-。它对文件中的每一行执行此操作。然后将更改的内容以管道方式发送到Set-Content，然后将其写回原始文件。

作为旁白，当您使用-match运算符(我们在上面没有使用它)匹配正则表达式时，您可以检查自动$Matches变量，以了解表达式如何与字符串匹配，该字符串类似于[Regex]::Matches返回的内容。