在 PowerShell 中利用正则表达式来解析文本块
需求
给定一段文本，如：
1, abcd [xxxx]
vkjl gas kje asld
gew wef
2, bbb [wefs]
oioias wmfjalkjs
3, ccc [wegas]
kzxlj kjlwiewe ii
要求分割成多段以数字开头的文本块，如：
第一块：
1, abcd [xxxx]
vkjl gas kje asld
gew wef
第二块：
2, bbb [wefs]
oioias wmfjalkjs
第三块：
3, ccc [wegas]
kzxlj kjlwiewe ii
思路
- 定义我们要东西为 n 个“block”。
- 每个“block”的特征是：
- 以数字开头
- block 之前可能是整段文本的起始也有可能是一个回车符。
- block 之后可能是一个回车符+下一行的数字也有可能是整段文本的结束。
- block 之前和之后的回车符是不需要的
- block 应该尽可能“非贪婪”，遇到下一个符合条件的，算作一个新的 block 开始。
其中，“block 之前和之后的回车符是不需要的”可以用正则表达式的“零宽断言”来解决。
代码
$subject = @'
1, abcd [xxxx]
vkjl gas kje asld
gew wef
2, bbb [wefs]
oioias wmfjalkjs
3, ccc [wegas]
kzxlj kjlwiewe ii
'@
$resultlist = new-object System.Collections.Specialized.StringCollection
$regex = [regex]@'
(?snx)(^|(?<=\n))
(?<block>\d, .*?)
((?=\n\d, )|$)
'@
$match = $regex.Match($subject)
while ($match.Success) {
$resultlist.Add($match.Groups['block'].Value) | out-null
$match = $match.NextMatch()
}
$resultlist | ForEach-Object {
echo $_
echo ---
}
输出结果
1, abcd [xxxx]
vkjl gas kje asld
gew wef
---
2, bbb [wefs]
oioias wmfjalkjs
---
3, ccc [wegas]
kzxlj kjlwiewe ii
---