如何在PowerShell中高效修改HTML字符串？为指定列添加类cls1

问题描述 #

我有一段PowerShell代码定义的HTML内容：

$html = @"
<table>
    <colgroup><col/><col/><col/><col/><col/><col/></colgroup>
    <tr><td>447.1</td><td>365.5</td><td>81.6</td><td>81.8</td></tr>
    <tr><td>953.9</td><td>412.7</td><td>541.2</td><td>43.3</td></tr>
    <tr><td>953.3</td><td>145.2</td><td>808.1</td><td>15.2</td></tr>
    <tr><td>1,863.0</td><td>1,466.4</td><td>396.6</td><td>78.7</td></tr>
    <tr><td>1,863.0</td><td>863.9</td><td>999.1</td><td>46.4</td></tr>
    <tr><td>931.5</td><td>183.1</td><td>748.4</td><td>19.7</td></tr>
</table>
"@

需要为表格的第1、3、4列的所有<td>元素添加类名cls1，要求采用类似JavaScript的DOM操作方式，不使用正则表达式解析。

解决方案 #

可以通过HTML DOM解析实现，和JS操作DOM的逻辑一致，以下提供两种可行方案：

方案1：使用HtmlAgilityPack库（推荐，兼容非严格规范的HTML） #

HtmlAgilityPack是专门用于解析HTML的.NET库，能处理各种不规范的HTML内容，操作逻辑和JS的DOM API高度相似。

1. 首先安装模块（仅首次需要）：

Install-Module -Name HtmlAgilityPack -Scope CurrentUser

2. 解析并修改HTML：

# 导入模块
Import-Module HtmlAgilityPack

# 创建HTML文档对象，加载原始HTML
$doc = New-Object HtmlAgilityPack.HtmlDocument
$doc.LoadHtml($html)

# 遍历所有表格行
foreach ($tr in $doc.DocumentNode.SelectNodes("//tr")) {
    # 获取当前行的所有单元格
    $tds = $tr.SelectNodes("./td")
    if ($tds) {
        # 目标列的索引（第1列对应索引0，第3列对应索引2，第4列对应索引3）
        $targetIndices = @(0, 2, 3)
        foreach ($idx in $targetIndices) {
            if ($idx -lt $tds.Count) {
                $td = $tds[$idx]
                # 处理class属性：已有class则追加，否则直接设置
                $currentClass = $td.GetAttributeValue("class", "")
                $newClass = if ($currentClass) { "$currentClass cls1" } else { "cls1" }
                $td.SetAttributeValue("class", $newClass)
            }
        }
    }
}

# 输出修改后的HTML
$modifiedHtml = $doc.DocumentNode.OuterHtml
Write-Output $modifiedHtml

方案2：使用.NET内置的XDocument（仅适用于规范HTML） #

如果你的HTML是严格符合XML规范的，可以直接用.NET内置的System.Xml.Linq.XDocument处理，无需额外安装模块：

# 加载HTML为XML文档
$xmlDoc = [System.Xml.Linq.XDocument]::Parse($html)

# 遍历所有表格行
foreach ($tr in $xmlDoc.Descendants("tr")) {
    $tds = $tr.Elements("td")
    if ($tds) {
        $targetIndices = @(0, 2, 3)
        foreach ($idx in $targetIndices) {
            if ($idx -lt $tds.Count) {
                $td = $tds[$idx]
                $currentClass = $td.Attribute("class")?.Value
                $newClass = if ($currentClass) { "$currentClass cls1" } else { "cls1" }
                $td.SetAttributeValue("class", $newClass)
            }
        }
    }
}

# 输出修改后的HTML
$modifiedHtml = $xmlDoc.ToString()
Write-Output $modifiedHtml

说明 #

• 两种方案都是通过遍历DOM节点实现，和JS中document.querySelectorAll('tr')后操作子元素的逻辑完全一致，避免了正则解析HTML的弊端。
• 列索引从0开始，对应问题中的第1、3、4列（第1列是第一个<td>，索引0；第3列是第三个<td>，索引2；第4列是第四个<td>，索引3）。

内容的提问来源于stack exchange，提问作者Fajela Tajkiya