使用PowerShell从文本文件提取跨换行URL并处理等号

我有一个大型文本文件，里面包含“View this email in your browser”字样及后续的URL。URL格式不固定，有时会跨换行显示；当URL跨换行时，需要删除换行末尾的等号，但要保留URL中其他位置的等号。

示例文本如下：

View this email in your browser (https://us15.campaign-archive.com/?e=3D1460&u=3Df6e2bb1612577510b&id=3D2c8be)

View this email in your browser <https://mail.com/?e=3D14=
60&u=3Df612577510b&id=3D2c8be>

View this email in your browser (https://eg.com/?e=3D1460&u=3Df6510b&id=3D2c8be)

我需要用PowerShell提取这些URL，去除可能存在的()或<>包裹符号，之后把URL对应的内容下载为HTML文件。目前已有部分代码片段：

if ($str -match '(?<=\()https?://[^)]+') {
 #  # ... remove any line breaks from it, and output the result.
  $Matches.0 -replace '\r?\n'
}

if ($str -match '(?<=\&lt;)https?://[^&gt;]+') {
 #  # ... remove any line breaks from it, and output the result.
  $Matches.0 -replace '\r?\n'
}

完整实现方案 #

最终代码 #

# 替换为你的目标文本文件路径
$targetFile = "你的文件路径.txt"
$fileContent = Get-Content -Path $targetFile -Raw

# 匹配所有符合规则的URL（兼容跨换行场景）
$urlPattern = '(?<=View this email in your browser\s*(?:\(|<))https?://[\s\S]+?(?=(?:\)|>))'
$urlMatches = [regex]::Matches($fileContent, $urlPattern)

foreach ($match in $urlMatches) {
    # 清理URL：删除换行前的等号 + 移除所有换行符
    $cleanUrl = $match.Value -replace '=\r?\n', '' -replace '\r?\n', ''
    
    # 自定义输出文件名，这里用URL哈希值避免重复
    $outputName = "$($cleanUrl.GetHashCode()).html"
    # 下载并保存HTML文件
    Invoke-WebRequest -Uri $cleanUrl -OutFile $outputName
    Write-Host "已完成下载：$outputName"
}

代码说明 #

1. 读取文件：使用Get-Content -Raw一次性读取整个文件内容，确保能捕捉到跨换行的URL。
2. 正则匹配：
   • 用(?<=...)正向断言锁定目标URL的前置规则（必须跟在指定文本及(/<之后）；
   • 用[\s\S]+?匹配任意字符（包括换行），避免因URL跨换行导致匹配中断；
   • 用(?=...)正向断言锁定URL的结束标记（)/>）。
3. URL清理：
   • 先替换=\r?\n为空，精准删除跨换行时末尾的等号；
   • 再移除剩余的换行符，确保URL是连续有效的字符串。
4. 下载保存：调用Invoke-WebRequest下载HTML内容，用URL的哈希值作为文件名，避免重复覆盖。

内容的提问来源于stack exchange，提问作者Coder