PowerShell文本处理中如何保留En与Em破折号编码？

核心问题分析 #

乱码问题主要源于两个关键点：

1. 文件读写时的编码不匹配，导致En dash/Em dash这类特殊字符在转换过程中损坏
2. 脚本自身编码可能不正确，使得替换语句中的dash字符无法被PowerShell正确识别

分步解决方案 #

1. 确保脚本文件本身编码正确 #

将你的PowerShell脚本保存为UTF-8带BOM格式（VS Code、Notepad++等主流编辑器均支持该选项）。如果脚本编码错误，替换语句中的—（Em dash）和–（En dash）会被解析为乱码，替换逻辑从根源上失效。

2. 正确读取XML文件 #

取消注释读取文件的编码指定，用UTF-8格式读取，避免系统默认ANSI编码破坏特殊字符，同时添加-Raw参数一次性读取整个文件，优化XML的换行符处理：

$fileContents = Get-Content -Encoding UTF8 $myfile -Raw

3. 优化Dash替换逻辑 #

将四次重复的-replace简化为一次正则匹配，覆盖所有空格/无空格的Em dash场景，减少冗余且避免遗漏：

# 替换所有Em dash（无论前后是否有空格）为带空格的En dash
$fileContents = $fileContents -replace '\s*—\s*', ' – '

正则\s*匹配0个或多个空白字符，一次性处理所有空格组合，效率更高。

4. 用正确编码写入文件 #

XML通常要求UTF-8无BOM格式，而PowerShell 5.1的Set-Content -Encoding UTF8会生成带BOM的文件，易导致解析器报错。推荐用.NET方法确保无BOM的UTF-8编码：

[System.IO.File]::WriteAllText($myfile, $fileContents, [System.Text.Encoding]::UTF8)

若使用PowerShell 7+，可直接用：

$fileContents | Set-Content -Encoding UTF8NoBOM $myfile

5. 完整修改后的关键代码片段 #

# 文件读取
$fileContents = Get-Content -Encoding UTF8 $myfile -Raw

# Dash替换逻辑优化
# 统一En dash为带空格格式
$fileContents = $fileContents -replace '\s*–\s*', ' – '
# 替换空格包裹的连字符为En dash
$fileContents = $fileContents -replace ' - ', ' – '
# 替换所有Em dash为带空格的En dash
$fileContents = $fileContents -replace '\s*—\s*', ' – '

# 文件写入（无BOM UTF-8）
[System.IO.File]::WriteAllText($myfile, $fileContents, [System.Text.Encoding]::UTF8)

验证方法 #

运行修改后的脚本后，用Notepad++打开处理后的XML文件：

• 通过编码菜单确认文件编码为UTF-8无BOM
• 检查En dash（–）显示正常，无问号、方框等乱码

内容的提问来源于stack exchange，提问作者HelenT