regex - Powershell正则表达式替换文件中的url

Question

我正在尝试匹配正则表达式并替换文件中的匹配项。我的正则表达式如下(匹配良好):

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

我尝试在其中运行替换的源文件的编辑摘录:

<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>

以及 Powershell 替代品:

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

我已经提取了所有匹配项，将 $allmatches 数组转换为新数组(因此它将是可写的)，然后更新新数组中的值。我无法弄清楚如何将其写回到文件中，并且似乎无法找到任何帖子或文档来帮助解决此问题。我迄今为止的代码:

$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
}

此时我有一个数组 $newArray ，其中包含所有正则表达式匹配和替换，但不知道如何将其写回我的文件/变量，例如 $newarray[0]:

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

当然，我的处理方式可能完全错误。至于我为什么选择 Powershell 来执行此操作，只是因为这是我这些天花大部分时间编写脚本的地方......当然我确信它可以在 shell 中实现(这只需要我更长的时间)到达那里)。

Answer 1

这实际上是在正则表达式和 .Net Substitutions in Regular Expressions 中使用捕获组的好地方。修改后的正则表达式为:

$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-Z)。
• (\p{L}*)是一个仅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'。请注意，在替换字符串上使用单引号 '' 可以防止 $1 和 $2 上的 PowerShell 变量扩展。

简单替换

如果我们只关心捕获组按原样，我们可以使用这个代码:

    $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')

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。正则表达式实际上没有办法处理这个要求。幸运的是，.Net 有一个扩展，可以让我们轻松处理更复杂的情况。

使用 MatchEvaluator 委托(delegate)

一个MatchEvaluator是一个对象，可与正则表达式替换方法的重载一起使用，以解决正常替换不足的情况。在 PowerShell 中，它们可以是带有 [Match] 参数的简单脚本 block :

    $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)

这给出了期望的结果:

<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

最终的代码如下所示:

# 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