PowerShell使用多行正则匹配文件内跨行img标签获取src属性失败如何解决

核心原因 #

Select-String 默认逐行扫描文件内容，每次仅将单一行文本传入正则匹配，你的正则需要匹配跨多行的img标签，自然无法命中结果。除此之外还有正则适配性问题需要修正。

排查修改步骤 #

• 第一步：读取文件为完整单字符串
  给Get-Content加上-Raw参数，将整个文件内容一次性读取为单个字符串，而非拆分后的行数组，才能支持跨行正则匹配。
• 第二步：修正正则的换行匹配逻辑
  Windows系统下文本文件默认换行符为CRLF（即\r\n），你的正则中仅写了\n，无法匹配Windows换行，需将所有\n替换为\r?\n，同时可以精简正则冗余写法：
  原正则中的[""|']写法有误，字符组内的|会被识别为普通字符而非或逻辑，直接写["']即可匹配双引号或单引号；{1}这类量词属于冗余写法可直接删除。
  修正后正则参考：

  ^(?m)[ ]*<img[ ]*(?:\r?\n(?:(?!<img).)*?)+?\[src\]=["'](.*?)["'](?:\r?\n(?:(?!<img).)*?)?>$
  

• 第三步：添加多匹配参数
  给Select-String加上-AllMatches参数，才能返回所有匹配结果，而非仅返回第一个匹配项。

可运行代码示例 #

# 定义修正后的正则
$pattern = '(?m)^[ ]*<img[ ]*(?:\r?\n(?:(?!<img).)*?)+?\[src\]=["''](.*?)["''](?:\r?\n(?:(?!<img).)*?)?>$'
# 读取文件+匹配+处理结果
Get-Content -Path $path -Raw | Select-String -Pattern $pattern -AllMatches | ForEach-Object {
    $_.Matches | ForEach-Object {
        $src = $_.Groups[1].Value
        # 计算当前匹配img标签的起始行号
        $startLine = ($_.Value.Substring(0, $_.Index) -split "\r?\n").Count
        # 这里替换为你自己的处理逻辑
        Write-Host "匹配到src值：$src，起始行号：$startLine"
    }
}

内容的提问来源于stack exchange，提问作者Qhori