regex - PowerShell 中的多行正则表达式

Question

我有这个 PowerShell 脚本，它的主要目的是搜索文件夹中的 HTML 文件，找到特定的 HTML 标记，并替换为我告诉它的内容。

我已经能够完成 3/4 的查找并完美替换。我遇到的问题涉及正则表达式。

这是我试图让我的正则表达式查找和替换的标记:

<a href="programsactivities_skating.html"><br />
                                           </a>

这是我到目前为止的正则表达式，以及我在其中使用它的函数:

automate -school "C:\Users\$env:username\Desktop\schools\$question" -query '(?mis)(?!exclude1|exclude2|exclude3)(<a[^>]*?>(\s|&nbsp;|<br\s?/?>)*</a>)' -replace ''

这是自动化功能:

function automate($school, $query, $replace) {
    $processFiles = Get-ChildItem -Exclude *.bak -Include "*.html", "*.HTML", "*.htm", "*.HTM" -Recurse -Path $school
    foreach ($file in  $processFiles) {
        $text = Get-Content $file
        $text = $text -replace $query, $replace
        $text | Out-File $file -Force -Encoding utf8
    }
}

大约 2 天以来，我一直试图找出解决方案，但似乎无法让它发挥作用。我已经确定这个问题是我需要告诉我的正则表达式来解释 Multiline，这就是我遇到的问题。

任何人都可以提供的任何帮助都非常感谢。

提前致谢。

Answer 1

Get-Content生成一个字符串数组，其中每个字符串包含输入文件中的一行，因此您将无法匹配跨越多行的文本段落。如果您希望能够匹配多行，则需要将数组合并为一个字符串:

$text = Get-Content $file | Out-String

或者

[String]$text = Get-Content $file

或者

$text = [IO.File]::ReadAllText($file)

请注意，第一种和第二种方法不保留输入文件中的换行符。正如 Keith 在评论中指出的那样，方法 2 只是简单地破坏了所有换行符，而方法 1 则放置了 <CR><LF>在加入数组时在每行的末尾。后者在处理 Linux/Unix 或 Mac 文件时可能是一个问题。