regex - 通过Powershell提取和更新HTML字符串中的URL

Question

我有一个包含URL的字符串(实际上有数百个)，我想更新它们。

这是旧的URL格式http://oldDomain/a/b/document.aspx?p1=v1&p2=NEEDED_VALUE&morePsHere=moreVsHere
，这是更新之后我需要它们的外观http://newDomain/c/d/NEEDED_VALUE
我几乎要做的就是在旧的URL中提取p2的值，并将其附加到http://newDomain/c/d/中以创建新的URL。

我以为我要获取的字符串看起来像这样:

$s = "http://oldDomain/a/b/document.aspx?p1=v1&p2=001&morePsHere=moreVsHere,
      http://oldDomain/a/b/document.aspx?p1=v1&p2=002&morePsHere=moreVsHere,
      http://oldDomain/a/b/document.aspx?p1=v1&p2=003&morePsHere=moreVsHere"

，我可以使用以下内容进行更新:

$newURLStart = "http://newDomain/c/d/"
$newStr = $null
$s.Split(",") | ForEach {
  if ($_.IndexOf("p2=") -ne 1)
  {
    $neededValue = $_.Substring($_.IndexOf("p2=")+3)
    if ($neededValue.IndexOf("&") -ne -1)
    {
      $neededValue = $neededValue.Substring(0,$neededValue.IndexOf("&"))
    }
    $newStr = $newStr + ", " + $newURLStart + $neededValue
  }
}
$newStr = $newStr.TrimStart(", ")
$s = $newStr

但是，事实证明我要获取的字符串不是纯文本，实际上看起来像:

$s = '<div class="someClass"><p>SomeText</p><ul>
      <li><a href="http://oldDomain/a/b/document.aspx?p1=v1&amp;p2=001&amp;morePsHere=moreVsHere">LINK ONE</a></li>
      <li><a href="http://oldDomain/a/b/document.aspx?p1=v1&amp;p2=002&amp;morePsHere=moreVsHere">LINK TWO</a></li>
      <li><a href="http://oldDomain/a/b/document.aspx?p1=v1&amp;p2=003&amp;morePsHere=moreVsHere">LINK THREE</a></li>
      </ul></div>'

这比我用逗号分隔的期望要复杂一些!我需要帮助更新脚本以适应事实。我认为正则表达式可能会在这里发挥作用，以获取 href中的URL，但是在这方面，我还是很菜鸟。

Answer 1

如果将所有字符串都扔到文件中，则可以执行以下操作:
Get-Content "testregex.html" | % {$_ -replace 'href=".+?;.+?=(.+?)&(.+?)"', 'href="http://newdomain/c/$1"'} | Set-Content "newtestregex.html"
将此文件作为输入:

<div class="someClass"><p>SomeText</p><ul>
      <li><a href="http://oldDomain/a/b/document.aspx?p1=v1&amp;p2=001&amp;morePsHere=moreVsHere">LINK ONE</a></li>
      <li><a href="http://oldDomain/a/b/document.aspx?p1=v1&amp;p2=002&amp;morePsHere=moreVsHere">LINK TWO</a></li>
      <li><a href="http://oldDomain/a/b/document.aspx?p1=v1&amp;p2=003&amp;morePsHere=moreVsHere">LINK THREE</a></li>
      </ul></div>

产量:

<div class="someClass"><p>SomeText</p><ul>
      <li><a href="http://newdomain/c/001">LINK ONE</a></li>
      <li><a href="http://newdomain/c/002">LINK TWO</a></li>
      <li><a href="http://newdomain/c/003">LINK THREE</a></li>
      </ul></div>