使用 PowerShell 在 XML 文件中搜索名称 [已关闭]

Question

我想使用以下代码在 XML 文件中搜索名称：

# Basispfad zu den DWX-Dateien
$dwxFilePath = "C:\Users\xyz\Desktop\testordner4\000\0000000001\DocumentInfo.dwx"

# Lese den Inhalt der DWX-Datei
$dwxContent = Get-Content -Path $dwxFilePath -Raw

# Entferne Leerzeichen aus dem Inhalt
$dwxContentWithoutSpaces = $dwxContent -replace '\s', ''

# Write dwxContentWithoutSpaces 
Write-host $dwxContentWithoutSpaces # This always works and always gives the same output

# Definiere den regulären Ausdruck für den Rechnungsnamen in der SectionMetadata
$regex = [regex]'OriginalFileName="(.*?)".*?' # This only seems to work when I open it once with Notepad

# Suche nach dem Match im Inhalt der DWX-Datei
$match = $regex.Match($dwxContentWithoutSpaces)

# Definiere Invoice-Namen
$Name = $match.Groups[1].Value

# Schreibe Invoice-Name
Write-host $Name

这仅当我用记事本打开

.dwx

文件一次，保存并关闭它时才有效。

我肯定缺少接线员。

有什么想法吗？

$dwxContent = Get-Content -Path $dwxFilePath -Raw -Encoding UTF8

没用。

Answer 1

https://adamtheautomator.com/powershell-convert-string-to-int/#Casting_to_XML

您可以考虑将 $dwxContent 变量转换为 XML，然后 PowerShell 将在 XML 对象中本机工作。然后，您将能够使用 .NET XML 类的方法和属性。

[xml]$dwxContent

Answer 2

tl；博士

```
Get-Content
```
无法识别您文件的真实字符编码，因此您需要确定真实的编码并通过
```
-Encoding
```
参数指示它。
- 如果您使用的是 Windows PowerShell 并且通过
```
-Encoding
```
  参数不支持真正的编码，则必须直接使用 .NET API。
- 请参阅下一节了解详细信息。
但是，由于您的文件是一个 XML 文件，因此最好这样解析它。
- 虽然基于 regex 的方法适用于简单的情况，但使用 XML 解析器通常更可取。
- 另一个优点是 .NET 的 XML API 会自动检测 XML 文件的编码（如果通过其 XML 声明指示），例如
```
<?xml version="1.0" encoding="ISO-8859-1"?>
```
- 换句话说：如果您切换到 XML 解析，您的编码问题也可能会消失。
- ```
Select-Xml
```
  cmdlet 提供了一种解析 XML 文件并通过 XPath 表达式查询它们的便捷方法，因此以下内容可能适合您：
```
$name = (
  Select-Xml -LiteralPath $dwxFilePath -XPath '//*/@OriginalFileName' |
  Select-Object -First 1
).Node.InnerText
```

处理纯文本处理中的字符编码问题：

仅当我用记事本打开 .dwx 文件一次，保存并关闭它时才有效。

这意味着

Get-Content

无法识别您文件的真实字符编码，而记事本似乎可以。

使用基于 regex 的方法，使用

Get-Content

的

-Encoding

参数确实是解决方案的关键，但您需要首先确定真正的编码是什么 - 根据您的问题，它不是 UTF-8。

请注意，

Get-Content

默认采用什么编码 - 文件开头没有 BOM（字节顺序标记） - 因 PowerShell 版本而异：

Windows PowerShell 采用系统的旧版 ANSI 代码页，例如美国英语系统上的 Windows-1252。
PowerShell（核心）7+现在 - 幸运的是 - 假设UTF-8，即Unicode最广泛使用的编码。
- 如果您需要
  ANSI：
  - 在 PowerShell 7.4 中：使用
    -Encoding Ansi
  - 在 PowerShell 7.0 - 7.3.x 中，未定义
    Ansi
```
 标识符，遗憾的是，请使用以下解决方法：
```
    Get-Content -Encoding ([cultureinfo]::CurrentCulture.TextInfo.ANSICodePage) -Raw $dwxFilePath

但是，

Get-Content

，在两个 PowerShell 版本中，

确实能够根据 BOM 识别各种 Unicode 编码（很少使用的 UTF-7 编码除外）。

如果您的文件的

真实编码（请参阅下一节了解如何发现它）无法通过预定义的-Encoding

标识符

使用，例如utf-8

：

在
PowerShell（核心）：
- 您可以将任何
  System.Text.Encoding
  实例直接传递给 -Encoding
```
，例如 
```
  -Encoding ([System.Text.Encoding]::GetEncoding('ISO-8859-1')
- 或者，您可以仅传递
  .CodePage
```
 属性值；例如，以下内容与上述内容等效：
```
  -Encoding 28591
在
Windows PowerShell中：
- 您必须直接使用底层.NET文件I/O API；例如：
  
  # NOTE: Be sure to pass a *full* file path, because .NET's # working dir. usually differs from PowerShell's. [System.IO.File]::ReadAllText($dwxFilePath, [System.Text.Encoding]::GetEncoding('ISO-8859-1'))

确定文本文件的真实编码:

假设您说它是一个 XML 文件，请在记事本等文本编辑器中打开该文件，并在文件开头的 XML 声明中查找
encoding
```
 属性（如果存在）；例如，
```
<?xml version="1.0" encoding="ISO-8859-1"?>
假设文件内容的显示在编辑器中看起来正确，您可以查找 GUI 元素（通常在状态栏中）来指示检测到的字符编码。
基于 CLI 的替代方案，假设您位于类 Unix 平台上或安装了
WSL，则调用 file
```
 / 
```
wsl file
```
； 
```
file
```
 Unix 实用程序提供文件的简洁描述，包括其字符编码（对于文本文件）。
```
- name；例如wsl file DocumentInfo.dwx
最后，您可以使用
Format-Hex
检查文件的原始字节，尽管这可能不会告诉您太多信息（BOM 很容易发现，但 Get-Content
```
 无论如何都会识别此类文件）。
```

使用 PowerShell 在 XML 文件中搜索名称 [已关闭]

问题描述投票：0回答：2

2个回答

处理纯文本处理中的字符编码问题：

最新问题

使用 PowerShell 在 XML 文件中搜索名称 [已关闭]

问题描述 投票：0回答：2

2个回答

处理纯文本处理中的字符编码问题：

最新问题

问题描述投票：0回答：2