在Powershell中添加回车以手动漂亮打印大型XML文件

Question

我有一个非常大的（280 Meg）xml文件，它都在一行上。我有几个编辑器几乎无法打开它，但没有什么能让我打印它。

我试图在Powershell中对其进行格式化，但还是无法弄清楚语法。我想要使​​文件更具可读性的方法是用回车符+换行符和结束标记替换所有结束标记，但我无法让它工作。

这是我到目前为止所尝试的：

(get-content .\ReallyHugeXMLFile2.xml) -replace ('</','`n</') | out-file .\ReallyHugeXMLFile2Formatted.xml
(get-content .\ReallyHugeXMLFile2.xml) -replace ('</','\r\n</') | out-file .\ReallyHugeXMLFile2Formatted2.xml
(get-content .\ReallyHugeXMLFile2.xml) -replace ('</','\\r\\n</') | out-file .\ReallyHugeXMLFile2Formatted3.xml

谢谢

Answer 1

TheIncorrigible1在评论中提供了关键指针：

假设你的大型XML文件仍然可以作为一个整体加载到System.Xml.XmlDocument实例中，你可以简单地调用它的.Save()方法来创建一个漂亮的打印输出文件（这样就不需要手动换行了;另外，使用一个XML解析器总是优于文本操作）。

# Load the file into a [xml] (System.Xml.XmlDocument) instance...
($xmlDoc = New-Object xml).Load($PWD.ProviderPath + '/HugeFile.xml')
# ... and save it, which automatically pretty-prints it.
$xmlDoc.Save($PWD.ProviderPath + '/HugeFilePrettyPrinted.xml')

请注意需要在文件名前加上$PWD.ProviderPath，以确保.NET使用PowerShell的当前目录（.NET通常不同，.NET不知道使用New-PSDrive创建的PowerShell驱动器）。[1]

注意：生成的文件将只有LF换行符，而不是CRLF换行符。

---

可行性论证：

首先，运行以下代码（PSv5 +）以创建大小约为280 MB的示例XML文件。请注意，您可以轻松调整代码以指定不同的目标大小。

注意：

• 文件HugeFile.xml将在当前目录中创建，并且稍后运行pretty-printing命令会在同一位置创建（甚至更大）HugeFilePrettyPrinted.xml。
• 创建此文件可能需要几分钟。

# Create a sample single-line XML file of a given size (approximately).
# Note: Depending on the target size, this can take a long time to complete.
#       Additionally, for performance reasons the code is written so that
#       the file content must fit into memory as a whole.

# The desired size of the resulting file.
$targetFileSize = 280mb
$targetFile = './HugeFile.xml'

# The XML element to repeat.
$repeatingElementTemplate = '<book><title>De Profundis {0:000000000000}</title></book>'
# Determine how often it must be repeated to reach the target size (approximately)
$repeatCount = $targetFileSize / ($repeatingElementTemplate.Length - 4)

Write-Verbose -vb "Creating XML file '$targetFile' of approximate size $('{0:N2}' -f ($targetFileSize / 1mb)) MB..."
# Create the file.
'<?xml version="1.0"?><catalog>' | Set-Content -NoNewline -Encoding Utf8 $targetFile
-join (1..$repeatCount).ForEach({ $repeatingElementTemplate -f $_ }) |
  Add-Content -NoNewline -Encoding Utf8 $targetFile
'</catalog>' | Add-Content -NoNewline -Encoding Utf8 $targetFile

然后，运行上面的漂亮打印命令。

在具有3GB RAM（在旧硬件上）的单核Windows 10 VM上，这需要大约40秒。埃里克本人在他的机器上报告不到5秒钟。

---

[1]确保将相对PowerShell文件系统路径正确传递给.NET方法：

• 如上所述，.NET的当前目录的概念通常与PowerShell的概念不同，因此相对的PowerShell路径不能按原样使用。
• 使用$PWD.ProviderPath（$PWD.ProviderPath + '<fileInCurrentDir>）形成完整路径可确保PowerShell的当前文件系统位置表示为本机文件系统路径（谢谢，TheIncorrigible1）。 .NET方法只能理解后者;他们不知道使用New-PSDrive创建的自定义PowerShell驱动器，并且他们不知道PowerShell的提供者前缀表示法，当当前位置是UNC路径时$PWD字符串化（例如， Microsoft.PowerShell.Core\FileSystem::\\some-server\some-share\some-folder）。
• 如果您不使用自定义PowerShell驱动器，并且您没有直接从UNC位置运行代码，则可以更简单地根据当前位置构建完整路径 "$PWD/<fileInCurrentDir>"。
• 相反，为了获得完全的稳健性，您必须使用 (Get-Location -PSProvider FileSystem).ProviderPath + '/<fileInCurrentDir>'，因为PowerShell的当前位置可能来自文件系统提供者以外的提供者;例如，HKCU:\Console（注册管理机构提供商）。