PowerShell实现提取标签间值生成无空格分号分隔表格

我有一个文本文件，前7行需保留原样，第8行包含<LineItemTable>结构，每个<LINEITEM>下有4个<LINEITEMFIELD>值（表格长度可变但每行固定4个值）。需提取这些值并去除空格，以分号分隔为每行一组，替换原第8行。我编写了PowerShell代码但无法得到期望输出，请求帮助。

输入文件内容 #

0001117945
14102022
0001056.98
GBP
0000000.00
0000000.00
\\GLORSAWA01\EHIShared\Remittance\UK01\UKI_REM_COL58652cbc13ca49aabf000.pdf
<LineItemTable><LINEITEM><LINEITEMFIELD>20220916</LINEITEMFIELD><LINEITEMFIELD>2525636         </LINEITEMFIELD><LINEITEMFIELD>0.00                            </LINEITEMFIELD><LINEITEMFIELD>246.05                          </LINEITEMFIELD></LINEITEM><LINEITEM><LINEITEMFIELD>20220920</LINEITEMFIELD><LINEITEMFIELD>2527541         </LINEITEMFIELD><LINEITEMFIELD>0.00                            </LINEITEMFIELD><LINEITEMFIELD>450.12                          </LINEITEMFIELD></LINEITEM><LINEITEM><LINEITEMFIELD>20220922</LINEITEMFIELD><LINEITEMFIELD>2531147         </LINEITEMFIELD><LINEITEMFIELD>0.00                            </LINEITEMFIELD><LINEITEMFIELD>360.81                          </LINEITEMFIELD></LINEITEM></LineItemTable>

期望输出文件 #

0001117945
14102022
0001056.98
GBP
0000000.00
0000000.00
\\GLORSAWA01\EHIShared\Remittance\UK01\UKI_REM_COL58652cbc13ca49aabf000.pdf
20220916;2525636;0.00;246.05
20220920;2527541;0.00;450.12
20220922;2531147;0.00;360.81

我编写的代码 #

$importfolder = "\.\PowerShell_script\"
$outputfolder = "\.\PowerShell_script\Output\"
$files = "\.\PowerShell script\*.txt"
$list = Get-ChildItem -Path $files | select Name


$find1 = "<LineItemTable><LINEITEM><LINEITEMFIELD>"
$find2 = "</LINEITEMFIELD><LINEITEMFIELD>"
$find3 = "</LINEITEMFIELD></LINEITEM><LINEITEM><LINEITEMFIELD>"

$replace1 = ""
$replace2 = "`t"
$replace3 = "`n"

ForEach($file in $list){
    echo $file.Name
    $filename = $file.Name
    $file = $importfolder + $file.Name
    $outputfile = $outputfolder + $filename

    $filecontent = Get-Content $file | 
    ForEach-Object { 
        if($_ -Match $find1)
            {$_ -replace $replace1}         

        if($_ -Match $find2)
            {$_ -replace $replace2} 

        if($_ -Match $find3)
            {$_ -replace $replace3} 

        else {$_} # output the line as is
     } | Set-Content $outputfile
}

解决方案 #

原代码的核心问题在于：替换逻辑碎片化，无法完整提取并重组字段内容，也没有处理字段内的多余空格，同时路径拼接方式容易出错。以下是修正后的代码：

$importFolder = ".\PowerShell_script\"
$outputFolder = ".\PowerShell_script\Output\"

# 确保输出目录存在
if (-not (Test-Path $outputFolder)) {
    New-Item -ItemType Directory -Path $outputFolder | Out-Null
}

Get-ChildItem -Path (Join-Path $importFolder "*.txt") | ForEach-Object {
    Write-Host "处理文件: $($_.Name)"
    $outputFile = Join-Path $outputFolder $_.Name

    # 一次性读取整个文件内容，方便处理单行XML结构
    $allContent = Get-Content -Path $_.FullName -Raw -Encoding UTF8

    # 拆分出前7行表头和包含LineItem的行
    $contentParts = $allContent -split "`n", 8
    $headerLines = $contentParts[0..6]
    $lineItemContent = $contentParts[7]

    # 提取所有LINEITEMFIELD内的内容，同时去除前后空格
    $fieldMatches = [regex]::Matches($lineItemContent, '(?<=<LINEITEMFIELD>)\s*(.*?)\s*(?=</LINEITEMFIELD>)')
    $cleanedFields = $fieldMatches | ForEach-Object { $_.Groups[1].Value }

    # 每4个字段组成一行，用分号分隔
    $processedItems = for ($i = 0; $i -lt $cleanedFields.Count; $i += 4) {
        $cleanedFields[$i..($i + 3)] -join ';'
    }

    # 组合表头和处理后的行，写入输出文件
    ($headerLines + $processedItems) -join "`n" | Set-Content -Path $outputFile -Encoding UTF8
}

代码关键点说明 #

1. 文件读取方式：使用Get-Content -Raw一次性读取整个文件，避免逐行处理时的XML结构拆分问题。
2. 正则提取内容：用正向/反向断言精准提取<LINEITEMFIELD>标签内的文本，同时通过\s*匹配并去除字段前后的多余空格。
3. 字段分组重组：通过循环每4个字段为一组，用分号连接成新行，完美匹配需求的格式。
4. 路径处理：使用Join-Path拼接文件路径，避免手动拼接时的斜杠错误；同时提前创建输出目录，防止写入失败。
5. 编码一致性：指定UTF8编码读写文件，避免乱码问题。

内容的提问来源于stack exchange，提问作者Jana