Powershell中的正则表达式，结合替换调用

Question

我已经编写了我自己的CSS缩放器，用于获得乐趣和利润（不是太多的利润），而且效果很好。我现在试图简化它，因为我基本上过滤了文件10次以上。对于一个小文件来说不是一个大问题，但是他们得到的数据越大，性能受到的影响就越大。

是否有更优雅的方式来过滤我的输入文件？我假设正则表达式将会有一个办法，但我没有正则表达式的向导......

$a = (gc($path + $file) -Raw) 
$a = $a -replace "\s{2,100}(?<!\S)", "" 
$a = $a -replace " {", "{" 
$a = $a -replace "} ", "}" 
$a = $a -replace " \(", "\(" 
$a = $a -replace "\) ", "\)" 
$a = $a -replace " \[", "\[" 
$a = $a -replace "\] ", "\]" 
$a = $a -replace ": ", ":" 
$a = $a -replace "; ", ";" 
$a = $a -replace ", ", "," 
$a = $a -replace "\n", "" 
$a = $a -replace "\t", "" 

为了节省您的头痛，我基本上使用第一-replace剥离方式由2-任何连续witespace长度为100个字符。 其余的替换陈述包括在特定情况下清理单个空间。

我该如何结合这个，所以我没有过滤文件12次？

Answer 1

1. negative lookbehind(?<!\S)在这种情况下使用：(?<!prefix)thing以匹配不不对左前缀的事情。当你把它放在正则表达式的末尾，没有任何事情发生时，我认为它什么也不做。你可能打算把它放在左边，或者可能打算成为一个负面看前面，我不会猜测，我只是删除它的这个答案。

2. 您错过了character classes的使用。 abc寻找文字abc，但将它们放在方括号内，并且[abc]寻找任何字符a,b,c。

   1. 使用它，可以将最后两行合并为一个：[\n\t]，它可以替换换行符或制表符。

3. 您可以结合两个独立使用正则表达式的逻辑OR |做一个匹配（什么也没有更换）规则：\s{2,100}|[\n\t] - 匹配空格或换行或制表符。 （你可以使用OR两次而不是字符，fwiw）。

4. 使用regex capture groups它允许您引用无论正则表达式匹配，而无需事先知道那是什么。

   1. 例如， "space bracket -> bracket"和"space colon -> colon"和"space comma -> comma"都遵循一般模式"space (thing) -> (thing)"。和尾随空格"(thing) space -> (thing)"一样。

   2. 将带有字符类的捕获组合并为其余的行全部合并为一个。

例如

$a -replace " (:)", '$1' # capture the colon, replacement is not ':' 
          # it is "whatever was in the capture group" 

$a -replace " ([:,])", '$1' # capture the colon, or comma. Replacement 
          # is "whatever was in the capture group" 
          # space colon -> colon, space comma -> comma 

# make the space optional with \s{0,1} and put it at the start and end 
\s{0,1}([:,])\s{0,1} #now it will match "space (thing)" or "(thing) space" 

# Add in the rest of the characters, with appropriate \ escapes 
# gained from [regex]::Escape('those chars here') 

# Your original: 
$a = (gc D:\css\1.css -Raw) 
$a = $a -replace "\s{2,100}(?<!\S)", "" 
$a = $a -replace " {", "{" 
$a = $a -replace "} ", "}" 
$a = $a -replace " \(", "\(" 
$a = $a -replace "\) ", "\)" 
$a = $a -replace " \[", "\[" 
$a = $a -replace "\] ", "\]" 
$a = $a -replace ": ", ":" 
$a = $a -replace "; ", ";" 
$a = $a -replace ", ", "," 
$a = $a -replace "\n", "" 
$a = $a -replace "\t", "" 

# My version: 
$b = gc d:\css\1.css -Raw 
$b = $b -replace "\s{2,100}|[\n\t]", "" 
$b = $b -replace '\s{0,1}([])}{([:;,])\s{0,1}', '$1' 

# Test that they both do the same thing on my random downloaded sample file: 
$b -eq $a 

# Yep. 

再次做到这一点与其他|到两成一个组合：

$c = gc d:\css\1.css -Raw 
$c = $c -replace "\s{2,100}|[\n\t]|\s{0,1}([])}{([:;,])\s{0,1}", '$1' 

$c -eq $a # also same output as your original. 

NB. that the space and tab and newline capture nothing, so '$1' is empty, 
    which removes them. 

而且你可以花费大量的时间建立自己的不可读的正则表达式这可能不会明显快于任何实际场景。 :)

NB。 '$1'在替换中，美元是.Net正则表达式引擎的语法，而不是PowerShell变量。如果你使用双引号，PowerShell将从变量$ 1中插入字符串，并且可能不会替换它。

Answer 2

您可以将捕获组类似的模式加入到1个较大的表达式中，并在Regex替换方法中使用回调，您可以在其中评估匹配结构并使用适当的操作。

这里是为您的方案的解决方案，你可以扩展：

$callback = { param($match) 
    if ($match.Groups[1].Success -eq $true) { "" } 
    else { 
    if ($match.Groups[2].Success -eq $true) { $match.Groups[2].Value } 
    else { 
     if ($match.Groups[3].Success -eq $true) { $match.Groups[3].Value } 
     else { 
     if ($match.Groups[4].Success -eq $true) { $match.Groups[4].Value } 
     } 
    } 
    } 
} 
$path = "d:\input\folder\" 
$file = "input_file.txt" 
$a = [IO.File]::ReadAllText($path + $file) 
$rx = [regex]'(\s{2,100}(?<!\S)|[\n\t])|\s+([{([])|([])}])\s+|([:;,])\s+' 
$rx.Replace($a, $callback) | Out-File "d:\result\file.txt" 

图案的详细资料：

• (\s{2,100}(?<!\S)|[\n\t]) - 第1组拍摄之前没有与非空白2-100空格char（也许这个lookbehind是多余的）或换行符或制表符char
• | - 或
• \s+([{([]) - 只是匹配的一个或多个空格（\s+），然后捕捉到第2组从[{([]字符类中的任何单个字符：{，(或[
• |([])}])\s+ - 或第3组从[])}]字符捕获任何单个字符类：}，)或]，然后只匹配的一个或多个空格
• |([:;,])\s+ - 或第4组从[:;,]焦炭类（:，;或,）和一个或多个捕获的任何焦炭whitesp尖子。