使用PowerShell PNP读取SharePoint多行字段提取纯文本的方法

问题背景 #

我有一个PowerShell脚本，可读取SharePoint列表的多数字段并写入SQL文件，分两步完成SharePoint列表到SQL Server的导出操作。但多行字段始终以HTML格式导出，示例如下：

"<div class="ExternalClass1692C959C37B4AE2B2A5251BCEB89A3A"><p>?<span style="color&#58;#444444;font-family&#58;"segoe ui", "segoe ui", segoe, tahoma, helvetica, arial, sans-serif;">TEXT TO EXTRACT</span>?<br></p></div>"

我已能处理姓名、邮箱、URL等字段类型，将数组值转成分隔字符串，但HTML输出处理困难。当前使用的拆分方法会残留 这类HTML实体，需手动替换，效果不理想。想找基于PowerShell PNP的HTML解析逻辑，直接读取核心文本并忽略所有HTML。此前找到过CSOM的类似方案，但文档不完善，多数资料仅涉及如何创建多行列。

现有脚本片段：

#Override the default, if applicable
If($listItem[$title]){
$field = $listItem[$title].ToString()                            
Else {
If(($field -like "Microsoft.SharePoint.Client.*") -and ($field -notlike '*`[`]')){
    If($field.Split('.')[3] -eq 'FieldUserValue') {
        $item += $listItem[$title].LookupValue.ToString()
    } ElseIf($field.Split('.')[3] -eq 'FieldUrlValue') {
        $item += $listItem[$title].URL.ToString()
    } ElseIf ($listItem[$title].LookupValue) {
        $item += $listItem[$title].LookupValue.ToString()
    } Else {
        $item += ''
    }
} ElseIf(($field -like "Microsoft.SharePoint.Client.*") -and ($field -like '*`[`]')){
    If($field.Split('.')[3] -eq 'FieldUserValue') {
        #For each person in the array
        #Get the email value and convert to a name
        foreach($arr_value in $listItem[$title]) {
            $item += $arr_value.Email.ToString().Split("@")[0].Replace(".", " ") -Replace('[^a-zA-Z ]','')
            $item += "$delim"
        }
    } Else {
        #Get each Lookup value in the array and add it to a comma-delimited string
        foreach($arr_value in $listItem[$title]) {
            If ($arr_value.LookupValue) {
                $item += $arr_value.LookupValue.ToString()
            } Else {
                $item += ''
            }
            $item += "$delim"
        }
    $item = $item.Substring(0, $item.Length - $($delim).Length) 
    }
}

当前临时解决方案：

If($field.Substring(0,11) -eq '<div class='){
        $item += $($field.Split('>')[3]).Replace('</span', '')
}

解决方案 #

方法1：使用HtmlAgilityPack解析HTML #

适合需要精准处理复杂HTML结构的场景，无需依赖GUI组件：

1. 安装模块：

Install-Module -Name HtmlAgilityPack

2. 编写解析函数：

Import-Module HtmlAgilityPack

function Convert-HtmlToPlainText {
    param(
        [string]$HtmlContent
    )
    if([string]::IsNullOrWhiteSpace($HtmlContent)) {
        return ''
    }
    $htmlDoc = New-Object HtmlAgilityPack.HtmlDocument
    $htmlDoc.LoadHtml($HtmlContent)
    # 提取纯文本并自动解码HTML实体
    $plainText = $htmlDoc.DocumentNode.InnerText.Trim()
    # 清理多余空白字符
    $plainText = $plainText -replace '\s+', ' '
    return $plainText
}

3. 在原有脚本中调用函数处理多行字段：

ElseIf($field -match '<div class="ExternalClass'){
    $item += Convert-HtmlToPlainText -HtmlContent $field
}

方法2：使用.NET原生类处理（无需额外模块） #

适合快速实现，依赖.NET内置类完成实体解码和标签移除：

1. 编写解析函数：

function Convert-HtmlToPlainText {
    param(
        [string]$HtmlContent
    )
    if([string]::IsNullOrWhiteSpace($HtmlContent)) {
        return ''
    }
    # 解码HTML实体（如 转为空格）
    $decoded = [System.Net.WebUtility]::HtmlDecode($HtmlContent)
    # 移除所有HTML标签
    $plainText = $decoded -replace '<[^>]+>', ''
    # 清理多余空白字符
    $plainText = $plainText -replace '\s+', ' '
    return $plainText.Trim()
}

2. 同样在原有脚本的字段判断逻辑中调用该函数即可。

整合后的完整字段处理示例 #

#Override the default, if applicable
If($listItem[$title]){
    $field = $listItem[$title].ToString()                            
} Else {
    $field = ''
}

# 处理不同字段类型
If(($field -like "Microsoft.SharePoint.Client.*") -and ($field -notlike '*`[`]')){
    If($field.Split('.')[3] -eq 'FieldUserValue') {
        $item += $listItem[$title].LookupValue.ToString()
    } ElseIf($field.Split('.')[3] -eq 'FieldUrlValue') {
        $item += $listItem[$title].URL.ToString()
    } ElseIf ($listItem[$title].LookupValue) {
        $item += $listItem[$title].LookupValue.ToString()
    } Else {
        $item += ''
    }
} ElseIf(($field -like "Microsoft.SharePoint.Client.*") -and ($field -like '*`[`]')){
    If($field.Split('.')[3] -eq 'FieldUserValue') {
        #For each person in the array
        #Get the email value and convert to a name
        foreach($arr_value in $listItem[$title]) {
            $item += $arr_value.Email.ToString().Split("@")[0].Replace(".", " ") -Replace('[^a-zA-Z ]','')
            $item += "$delim"
        }
    } Else {
        #Get each Lookup value in the array and add it to a comma-delimited string
        foreach($arr_value in $listItem[$title]) {
            If ($arr_value.LookupValue) {
                $item += $arr_value.LookupValue.ToString()
            } Else {
                $item += ''
            }
            $item += "$delim"
        }
        $item = $item.Substring(0, $item.Length - $($delim).Length) 
    }
} ElseIf($field -match '<div class="ExternalClass'){
    # 处理多行HTML字段
    $item += Convert-HtmlToPlainText -HtmlContent $field
} Else {
    # 其他普通字段直接赋值
    $item += $field
}

内容的提问来源于stack exchange，提问作者n8.