PowerShell实现关键词精确匹配：排除长单词内的子串匹配

问题根源 #

1. 直接将关键词数组嵌入断言中会导致正则语法错误——PowerShell会把数组转为空格分隔的字符串，而正则里空格代表匹配空格，不是“或”的逻辑。
2. 手动转义正则特殊字符不完整，像-、{}这类字符没被转义，会干扰正则匹配。

修正后的完整代码 #

# 检查输出文件夹是否存在，不存在则创建
$outputDir = "C:\Matches"
if (-not (Test-Path $outputDir)) {
    New-Item -ItemType Directory -Path $outputDir | Out-Null
}

# 导入并处理关键词：过滤空行 + 自动转义正则特殊字符
$keywords = (Import-Csv "C:\Keywords.csv" | Where-Object { $_.Keywords -match '\S' }).Keywords | ForEach-Object {
    [regex]::Escape($_)
}

# 为每个关键词添加负向断言，确保前后无字母，然后拼接成正则选择表达式
$regexPattern = $keywords | ForEach-Object {
    "(?<![A-Za-z])$_(?![A-Za-z])"
} -join '|'

$paths = (Import-Csv "C:\Files.csv" | Where-Object { $_.Files -match '\S' }).Files
$count = 0

foreach ($path in $paths) {
    $file = [System.IO.FileInfo]$path
    $outputFile = Join-Path $outputDir "$count__$($file.BaseName)_Matches.txt"

    # 写入目标文件路径到输出文件
    $file.FullName | Out-File -Path $outputFile -Encoding UTF8

    # 查找匹配并去重
    $matches = Get-Content $file -Raw | Select-String -Pattern $regexPattern -AllMatches | ForEach-Object {
        $_.Matches.Value
    } | Select-Object -Unique

    # 将匹配结果追加到输出文件
    if ($matches) {
        $matches | Out-File -Path $outputFile -Append -Encoding UTF8
    }

    $count++
}

关键修改说明 #

1. 自动转义特殊字符：用[regex]::Escape()代替手动Replace，能全面转义所有正则元字符（比如.、(、)、-等），避免正则语法错误。
2. 正确生成正则模式：给每个关键词单独添加(?<![A-Za-z])（负向后顾，确保前面不是字母）和(?![A-Za-z])（负向前瞻，确保后面不是字母），再用|连接成“或”逻辑的正则表达式，这样每个关键词都会独立进行匹配校验。
3. 简化去重逻辑：用Select-Object -Unique替代哈希表，代码更简洁易懂。
4. 文件夹检查：提前创建输出文件夹，避免因文件夹不存在导致写入失败。
5. 读取文件用-Raw：一次性读取文件内容，提升大文件的处理效率（可选，但推荐）。

针对你的特殊规则适配 #

如果某些关键词只需要单边断言（比如simply)只需要前面无字母，(text只需要后面无字母），可以单独处理这些关键词：

# 示例：针对特定关键词调整断言
$regexPattern = $keywords | ForEach-Object {
    switch -Wildcard ($_) {
        '*)*' { "(?<![A-Za-z])$_" }  # 结尾是)，只限制前面无字母
        '(*' { "$_(?![A-Za-z])" }     # 开头是(，只限制后面无字母
        default { "(?<![A-Za-z])$_(?![A-Za-z])" }  # 其他关键词前后都限制
    }
} -join '|'

把这段替换原代码中生成$regexPattern的部分即可。

内容的提问来源于stack exchange，提问作者Soskipic