PowerShell Select-String无法匹配含数字字符串问题咨询

这个问题是两个核心逻辑叠加导致的，和Select-String本身的功能bug无关：

• 首先是检索逻辑的前提错误：Select-String只能处理纯文本文件，无法正确解析.xls/.xlsx格式的二进制文档
  .xls是微软私有的BIFF二进制复合文档格式，.xlsx是ZIP压缩打包的结构化XML集合，二者都不是按纯文本编码存储内容的。直接用Select-String读取这类文件时，PowerShell会强行按照当前系统默认的文本编码把二进制字节流解码为文本，过程中会产生大量乱码、字符截断、不可见控制字符，原文件里的字符串很容易被拆成不连续的碎片。
  纯字母字符串randomword能被匹配到纯属巧合：这类连续的短字母串刚好没有被Excel的存储结构（单元格类型标记、格式属性字节、压缩块分隔符、空字节填充）打断，在二进制流里恰好以连续可解码的字节块形式存在，刚好撞上了匹配规则。而包含数字、横杠的字符串（比如纯数字串、P-888452这类带符号的串），Excel存储时往往会在数字前后插入数值类型标识、格式标记，很容易把原本连续的字符串拆碎，自然无法匹配连续的正则模式。
• 其次是正则\b单词边界的匹配规则进一步提高了匹配失败的概率
  你写的正则模式使用了\b锚点，这个锚点的生效规则是：边界位置的一侧必须是单词字符（匹配\w，即大小写字母、数字、下划线），另一侧必须是非单词字符（或者是字符串的开头/结尾）。
  二进制流被强行解码产生的乱码里，有大量不可见字节会被解码为属于\w范畴的字符，如果这些乱码刚好出现在你要检索的数字串、带横杠的字符串前后，就会直接导致\b锚点匹配失败——哪怕字符串本身连续存在，也会因为边界不符合规则被过滤。纯字母串能匹配的另一个原因，就是它的前后刚好跟着被解码为非\w的乱码/空字节，恰好满足了\b的边界要求。

关于-NotMatch参数返回结果的说明 #

-NotMatch能返回结果不代表检索模式正常识别了文件内容：这个参数的逻辑是返回所有不匹配正则模式的文本行，二进制文件被强行解码后99%以上的内容都是乱码，本来就不会匹配你的检索模式，自然会返回大量结果。同一个文件名重复出现多行，是因为文件内每一行不匹配的内容都会触发一次输出，和检索逻辑是否正确无关。

正确检索思路 #

不要直接用Select-String读取Excel二进制文件，先通过ImportExcel模块或者Excel COM对象把每个Excel文件的单元格内容读取为纯文本，再执行字符串匹配即可。

内容的提问来源于stack exchange，提问作者Dre Day