Board logo

标题: [问题求助] 使用Powershell提取并处理标签 [打印本页]
作者: 小白龙    时间: 2022-8-29 18:38     标题: 使用Powershell提取并处理标签

本帖最后由 小白龙 于 2022-8-29 19:15 编辑

┋国家, 中国, 美国, 日本
┋城市, 北京, 上海, 广州
我的名字是 ┃名字┃, 我的国家是 ┃国家┃, 我的年龄是┃年龄┃, 我家住在┃城市┃!

┋称呼, 先生, 大姐, 女士
你好┃称呼┃别来无恙.

┋称呼, 先生, 大姐
你好┃称呼┃, 我的打印机品牌是┃品牌┃.
__________________________________________________________________________________________________
上面的内容中, 有一些文本标签, 需要分离出去,  手动操作完整步骤如下:
描述有点啰嗦,但是逻辑很清楚, 请路过的大佬帮助, 非常感谢:
下面自己写的代码, 已经分离出$B标签和$C内容, 但是标签出现的次数, 还有内容中的标签修改, 等一些细节没有实现
感觉难点在于: 内容要和其上方的标签结合起来修改, 还有就是标签出现次数的判断

第1行┋开头, 表示它是标签行, 标签文本是┋和第一个逗号间的文本, 即 国家  该行要分离出去,
格式变成        ┃Y_国家┃ 中国[]美国[]日本

第2行┋开头, 表示它是标签行, 标签文本是┋和第一个逗号间的文本, 即 城市  该行要分离出去,
格式变成        ┃Y_城市┃ 北京[]上海[]广州

第3行不是┋开头, 表示它是内容行, 注意: ┃XXX┃内的文本需要处理一下
┃名字┃里的文本 名字 因为不是内容行前面的标签文本, 所以改成┃N_名字┃
┃国家┃里的文本 国家 因为是内容行前面的, 第1行的标签文本, 所以改成┃Y_国家┃
┃年龄┃里的文本 年龄 因为不是内容行前面的标签文本, 所以改成┃N_年龄┃
┃城市┃里的文本 城市 因为是内容行前面的, 第2行的标签文本, 所以改成┃Y_城市┃

第4行是空行, 要保留, 不处理

第5行┋开头, 表示它是标签行, 标签文本是┋和第一个逗号间的文本, 即 称呼  该行要分离出去,
格式变成        ┃Y_称呼┃ 先生[]大姐[]女士

第6行不是┋开头, 表示它是内容行, 注意: ┃XXX┃内的文本需要处理一下
┃称呼┃里的文本 称呼 因为是内容行前面的, 第5行的标签文本, 所以改成┃Y_称呼┃

第7行是空行, 也要保留, 不处理

第8行┋开头, 表示它是标签行, 标签文本是┋和第一个逗号间的文本, 即 称呼  该行要分离出去,
格式变成        ┃Y_称呼2┃ 先生[]大姐
因为┃Y_称呼┃ 在前面已经出现过, 现在是第2次出现, 同理, 如果后面第3次出现, 要改为┃Y_称呼3┃  以此类推

第9行不是┋开头, 表示它是内容行, 注意: ┃XXX┃内的文本需要处理一下
┃称呼┃里的文本 称呼 因为是内容行前面的, 第8行的标签文本, 所以改成┃Y_称呼2┃   加序号2同上理
┃品牌┃里的文本 品牌 因为不是内容行前面的标签文本, 所以改成┃N_品牌┃
__________________________________________________________________________________________________
所有标签按顺序分离出来后, 存到变量$B, 值如下:
注意: 第2个┃后面只能有一个空格, 原来的 , 替换为[] 且[]两侧无空格

┃Y_国家┃ 中国[]美国[]日本
┃Y_城市┃ 北京[]上海[]广州
┃Y_称呼┃ 先生[]大姐[]女士
┃Y_称呼2┃ 先生[]大姐
__________________________________________________________________________________________________
所有余下的内容, 存到变量$C, 值如下:
注意: 内部的空行要保留

我的名字是 ┃N_名字┃, 我的国家是 ┃Y_国家┃, 我的年龄是┃N_年龄┃, 我家住在┃Y_城市┃!

你好┃Y_称呼┃别来无恙.

你好┃Y_称呼2┃, 我的打印机品牌是┃N_品牌┃.
        
  1. [Collections.ArrayList]$B = @() #存标签

  2. [Collections.ArrayList]$C = @() #存内容

  3. 

  4. $A = @'

  5. ┋国家, 中国, 美国, 日本

  6. ┋城市, 北京, 上海, 广州

  7. 我的名字是 ┃名字┃, 我的国家是 ┃国家┃, 我的年龄是┃年龄┃, 我家住在┃城市┃!

  8. 

  9. ┋称呼, 先生, 大姐, 女士

  10. 你好┃称呼┃别来无恙.

  11. 

  12. ┋称呼, 先生, 大姐

  13. 你好┃称呼┃, 我的打印机品牌是┃品牌┃.

  14. '@

  15. 

  16. #将变量$a的内容进行处理: 

  17. #┋开头的标签行：分离、处理后保存到变量$B

  18. #余下的内容：处理后保存到变量$C

  19. 

  20. $A -split '\r\n' |

  21. %{

  22. 	if ($_.StartsWith("┋"))

  23. 	{

  24. 		[void]$B.Add($_)

  25. 	}

  26. 	else

  27. 	{

  28. 		[void]$C.Add($_)

  29. 	}

  30. }

  31. $B -replace '┋(.*?),', '┃Y_${1}┃' -replace ',', '[]'

  32. 

  33. $C
复制代码
作者: flashercs    时间: 2022-8-29 21:14

  1. [Collections.ArrayList]$B = @() #存标签

  2. [Collections.ArrayList]$C = @() #存内容

  3. $Script:dic=@{}

  4. $re=[regex]'┋(.*?),'

  5. $A = @'

  6. ┋国家, 中国, 美国, 日本

  7. ┋城市, 北京, 上海, 广州

  8. 我的名字是 ┃名字┃, 我的国家是 ┃国家┃, 我的年龄是┃年龄┃, 我家住在┃城市┃!

  9. 

  10. ┋称呼, 先生, 大姐, 女士

  11. 你好┃称呼┃别来无恙.

  12. 

  13. ┋称呼, 先生, 大姐

  14. 你好┃称呼┃, 我的打印机品牌是┃品牌┃.

  15. '@

  16. 

  17. #将变量$a的内容进行处理: 

  18. #┋开头的标签行：分离、处理后保存到变量$B

  19. #余下的内容：处理后保存到变量$C

  20. 

  21. $A -split '\r\n' |

  22. %{

  23. 	if ($_.StartsWith("┋"))

  24. 	{

  25. 		[void]$B.Add(($re.Replace($_,{param($m)$k=$m.Groups[1].Value;if($Script:dic.ContainsKey($k)){"┃Y_$k$((++$Script:dic[$k]))┃"}else{$Script:dic[$k]=1;"┃Y_$k┃"}}) -replace ',\s*','[]'))

  26. 	}

  27. 	else

  28. 	{

  29. 		[void]$C.Add($_)

  30. 	}

  31. }

  32. 

  33. $B

  34. #$B -replace '┋(.*?),', '┃Y_${1}┃' -replace ',', '[]'

  35. 

  36. $C
复制代码
作者: 小白龙    时间: 2022-8-29 21:40

回复 2# flashercs


感谢大佬, 标签好像提取没问题了, 但是内容修改好像没有变动,

感谢大佬一直以来的帮助指导, 搞定后, 来杯咖啡

上面的最后的地方描述
__________________________________________________________________________________________________
所有余下的内容, 存到变量$C, 值如下:
注意: 内部的空行要保留

我的名字是 ┃N_名字┃, 我的国家是 ┃Y_国家┃, 我的年龄是┃N_年龄┃, 我家住在┃Y_城市┃!

你好┃Y_称呼┃别来无恙.

你好┃Y_称呼2┃, 我的打印机品牌是┃N_品牌┃.
作者: 小白龙    时间: 2022-8-29 21:57

手动操作的难度是要注意标签出现的次数,别的方面相对简单

感觉PS脚本最难的地方在, 内容里的标签修改, 要注意其上方的标签行, 再加上上边手动操作的难度
作者: flashercs    时间: 2022-8-29 23:12

本帖最后由 flashercs 于 2022-8-30 10:55 编辑 
  1. [Collections.ArrayList]$B = @() #存标签

  2. [Collections.ArrayList]$C = @() #存内容

  3. 

  4. $dicLabel = @{} #标签个数统计

  5. $dicLabelLocal = @{} #标签个数统计Local

  6. $reLabel = [regex]'┋([^,]*),(\s*)' #标签正则

  7. $reContent = [regex]'┃([^┃]*)┃' #内容正则

  8. # 替换label

  9. $sbLabel = {

  10.   param([System.Text.RegularExpressions.Match]$m)

  11.   $k = $m.Groups[1].Value

  12.   if ($dicLabel.ContainsKey($k)) {

  13.     $ctr = (++$dicLabel[$k])

  14.     $dicLabelLocal[$k] = "$k$ctr"

  15.     "┃Y_$k$ctr┃$($m.Groups[2].Value)$k$ctr[]"

  16.   } else {

  17.     $dicLabel[$k] = 1

  18.     $dicLabelLocal[$k] = "$k"

  19.     "┃Y_$k┃ $($m.Groups[2].Value)$k[]"

  20.   }

  21. }

  22. # 替换内容

  23. $sbContent = {

  24.   param([System.Text.RegularExpressions.Match]$m)

  25.   $k = $m.Groups[1].Value

  26.   if ($dicLabelLocal.Contains($k)) {

  27.     "┃Y_$($dicLabelLocal[$k])┃"

  28.   } else {

  29.     "┃N_$k┃"

  30.   }

  31. }

  32. $A = @'

  33. ┋国家, 中国, 美国, 日本

  34. ┋城市, 北京, 上海, 广州

  35. 我的名字是 ┃名字┃, 我的国家是 ┃国家┃, 我的年龄是┃年龄┃, 我家住在┃城市┃!

  36. 

  37. ┋称呼, 先生, 大姐, 女士

  38. 你好┃称呼┃别来无恙.

  39. 

  40. ┋称呼, 先生, 大姐

  41. 你好┃称呼┃, 我的打印机品牌是┃品牌┃.

  42. '@

  43. 

  44. #将变量$a的内容进行处理: 

  45. #┋开头的标签行：分离、处理后保存到变量$B

  46. #余下的内容：处理后保存到变量$C

  47. $stack = 0 #content

  48. $A -split '\r\n' | ForEach-Object {

  49.   if ($stack -eq 0) {

  50.     if ($_.StartsWith("┋")) {

  51.       $stack = 1

  52.       $dicLabelLocal.Clear()

  53.       [void]$B.Add(($reLabel.Replace($_, $sbLabel) -replace ',\s*', '[]'))

  54.     } else {

  55.       [void]$C.Add($reContent.Replace($_, $sbContent))

  56.     }

  57.   } else {

  58.     if ($_.StartsWith("┋")) {

  59.       [void]$B.Add(($reLabel.Replace($_, $sbLabel) -replace ',\s*', '[]'))

  60.     } else {

  61.       $stack = 0

  62.       [void]$C.Add($reContent.Replace($_, $sbContent))

  63.     }

  64.   }

  65. }

  66. 

  67. $B

  68. $C
复制代码
作者: 小白龙    时间: 2022-8-30 06:20

感谢大佬, 刚看到,
我再试试多行多段能否通过
作者: 小白龙    时间: 2022-8-30 09:11

本帖最后由 小白龙 于 2022-8-30 09:18 编辑

回复 5# flashercs


大佬,不好意思, 我在表达标签的格式时,漏了一句, PS代码我现在还看不懂, 麻烦大佬再改一下, 多谢
现在标签变量$B的值如下
┃Y_国家┃ 中国[]美国[]日本
┃Y_城市┃ 北京[]上海[]广州
┃Y_称呼┃ 先生[]大姐[]女士
┃Y_称呼2┃ 先生[]大姐
____________________________改为如下,就是在第2个┃之后的空格后面,加上 标签文本[]
┃Y_国家┃ 国家[]中国[]美国[]日本
┃Y_城市┃ 城市[]北京[]上海[]广州
┃Y_称呼┃ 称呼[]先生[]大姐[]女士
┃Y_称呼2┃ 称呼2[]先生[]大姐
作者: flashercs    时间: 2022-8-30 09:25

回复 7# 小白龙


    上面修改了一下.
作者: 小白龙    时间: 2022-8-30 10:26

回复 8# flashercs


多谢大佬, 第2个┃和后面的文字之间有两个空格了, 应该只有一个
目标:
┃Y_国家┃ 国家[]

现状:
┃Y_国家┃  国家[]
作者: flashercs    时间: 2022-8-30 10:58

第15行 空格
作者: 小白龙    时间: 2022-8-30 11:17

本帖最后由 小白龙 于 2022-8-30 11:22 编辑

回复 10# flashercs

大佬, 再给您加15红包, 麻烦给加个判断,
_________________________________________________________________
原来是这样:

┋国家, 中国, 美国, 日本
┋城市, 北京, 上海, 广州
我的名字是 ┃名字┃, 我的国家是 ┃国家┃, 我的年龄是┃年龄┃, 我家住在┃城市┃!

┋称呼, 先生, 大姐, 女士
你好┃称呼┃别来无恙.

┋称呼, 先生, 大姐
你好┃称呼┃, 我的打印机品牌是┃品牌┃.
_________________________________________________________________
现在是这样:

┋国家, 中国, 美国, 日本
┋大理, 三亚, 海南
我的名字是 ┃名字┃, 我的国家是 ┃国家┃, 我的年龄是┃年龄┃, 我家住在┃城市┃!

┋呼呼, 先生, 大姐, 女士
你好┃称呼┃别来无恙.

┋称呼, 先生, 大姐
你好┃称呼┃, 我的打印机品牌是┃品牌┃.
_________________________________________________________________
注意红色字部分, 虽然前面有┋ ,但是后面的文本 在其下方的内容中找不到匹配, 所以该行不再提取出去了, 其它的逻辑不变
简单的说: ┋标签文本, 和 其下方内容里的 ┃标签文本┃ 匹配时才分离出去, 否则就留下

最后的目标结果:
变量$B的值:
┃Y_国家┃ 国家[]中国[]美国[]日本
┃Y_称呼┃ 称呼[]先生[]大姐

变量$C的值:       
┋大理, 三亚, 海南
我的名字是 ┃N_名字┃, 我的国家是 ┃Y_国家┃, 我的年龄是┃N_年龄┃, 我家住在┃N_城市┃!

┋呼呼, 先生, 大姐, 女士
你好┃N_称呼┃别来无恙.

你好┃Y_称呼┃, 我的打印机品牌是┃N_品牌┃.
作者: 小白龙    时间: 2022-8-30 11:34

回复 10# flashercs

另外, 也有可能像下面这样, 标签文本后没有,号, 也不提取出去了, 因为也匹配不到下面内容里的标签文本
┋呼呼先生大姐女士
作者: flashercs    时间: 2022-8-30 15:49

本帖最后由 flashercs 于 2022-8-30 15:52 编辑

回复 12# 小白龙
标签/内容 相互检测是太复杂
  1. [Collections.ArrayList]$B = @() #存标签

  2. [Collections.ArrayList]$C = @() #存内容

  3. 

  4. [Collections.ArrayList]$CLocal = @() #存内容Local

  5. [Collections.ArrayList]$keysInContent = @() #keys in content

  6. $dicLabelCtr = @{} #标签个数统计

  7. # $dicLabelLocal = @{} #标签个数统计: {称呼 =称呼2}

  8. $dicLabelLocal4B = [ordered]@{} #{标签 = Line}

  9. $reLabel = [regex]'┋([^,]*),(\s*)' #标签正则

  10. $reContent = [regex]'┃([^┃]*)┃' #内容正则

  11. # 替换label

  12. $sbLabel = {

  13.   param([System.Text.RegularExpressions.Match]$m)

  14.   $k = $m.Groups[1].Value

  15.   if ($dicLabelCtr.ContainsKey($k)) {

  16.     $ctr = (++$dicLabelCtr[$k])

  17.     # $dicLabelLocal[$k] = "$k$ctr"

  18.     "┃Y_$k$ctr┃$($m.Groups[2].Value)$k$ctr[]"

  19.   } else {

  20.     $dicLabelCtr[$k] = 1

  21.     # $dicLabelLocal[$k] = "$k"

  22.     "┃Y_$k┃$($m.Groups[2].Value)$k[]"

  23.   }

  24. }

  25. # 替换内容

  26. $sbContent = {

  27.   param([System.Text.RegularExpressions.Match]$m)

  28.   $k = $m.Groups[1].Value

  29.   if ($dicLabelLocal4B.Contains($k)) {

  30.     [void]$keysInContent.Add($k)

  31.     if ($dicLabelCtr.ContainsKey($k)) {

  32.       "┃Y_${k}$($dicLabelCtr[$k]+1)┃"

  33.     } else {

  34.       "┃Y_${k}┃"

  35.     }

  36.   } else {

  37.     "┃N_$k┃"

  38.   }

  39. }

  40. $A = @'

  41. ┋国家, 中国, 美国, 日本

  42. ┋城市, 北京, 上海, 广州

  43. ┋大理, 三亚, 海南

  44. 我的名字是 ┃名字┃, 我的国家是 ┃国家┃, 我的年龄是┃年龄┃, 我家住在┃城市┃!

  45. 

  46. ┋称呼, 先生, 大姐, 女士

  47. ┋呼呼, 先生, 大姐, 女士

  48. 你好┃称呼┃别来无恙.

  49. 

  50. ┋称呼, 先生, 大姐

  51. 你好┃称呼┃, 我的打印机品牌是┃品牌┃.

  52. '@

  53. 

  54. #将变量$a的内容进行处理: 

  55. #┋开头的标签行：分离、处理后保存到变量$B

  56. #余下的内容：处理后保存到变量$C

  57. $stack = 0 #content

  58. $A -split '\r\n' | ForEach-Object {

  59.   if ($stack -eq 0) {

  60.     if ($_.StartsWith("┋")) {

  61.       $stack = 1

  62.       # procossing prev section

  63.       for ($i = 0; $i -lt $CLocal.Count; $i++) {

  64.         $CLocal[$i] = $reContent.Replace($CLocal[$i], $sbContent)

  65.       }

  66.       foreach ($key in @($dicLabelLocal4B.Keys)) {

  67.         if (-not $keysInContent.Contains($key)) {

  68.           [void]$C.Add($dicLabelLocal4B[$key])

  69.           $dicLabelLocal4B.Remove($key)

  70.         } else {

  71.           [void]$B.Add(($reLabel.Replace($dicLabelLocal4B[$key], $sbLabel) -replace ',\s*', '[]'))

  72.         }

  73.       }

  74.       [void]$C.AddRange($CLocal)

  75.       $CLocal.Clear()

  76.       $keysInContent.Clear()

  77.       $dicLabelLocal4B.Clear()

  78.       # next section

  79.       $m = $reLabel.Match($_)

  80.       if ($m.Success) {

  81.         $dicLabelLocal4B[$m.Groups[1].Value] = $_

  82.       } else {

  83.         $dicLabelLocal4B[$_] = $_

  84.       }

  85.     } else {

  86.       [void]$CLocal.Add($_)

  87.     }

  88.   } else {

  89.     # stack=1

  90.     if ($_.StartsWith("┋")) {

  91.       $m = $reLabel.Match($_)

  92.       if ($m.Success) {

  93.         $dicLabelLocal4B[$m.Groups[1].Value] = $_

  94.       } else {

  95.         $dicLabelLocal4B[$_] = $_

  96.       }

  97.     } else {

  98.       $stack = 0

  99.       [void]$CLocal.Add($_)

  100.     }

  101.   }

  102. }

  103. # procossing prev section

  104. for ($i = 0; $i -lt $CLocal.Count; $i++) {

  105.   $CLocal[$i] = $reContent.Replace($CLocal[$i], $sbContent)

  106. }

  107. foreach ($key in @($dicLabelLocal4B.Keys)) {

  108.   if (-not $keysInContent.Contains($key)) {

  109.     [void]$C.Add($dicLabelLocal4B[$key])

  110.     $dicLabelLocal4B.Remove($key)

  111.   } else {

  112.     [void]$B.Add(($reLabel.Replace($dicLabelLocal4B[$key], $sbLabel) -replace ',\s*', '[]'))

  113.   }

  114. }

  115. [void]$C.AddRange($CLocal)

  116. $CLocal.Clear()

  117. $keysInContent.Clear()

  118. $dicLabelLocal4B.Clear()

  119. 

  120. $B

  121. $C
复制代码
作者: 小白龙    时间: 2022-8-30 16:41

回复 13# flashercs


  感谢大佬,  一杯咖啡  

我以为我最开始的描述就能实现标签的匹配, 后来发现不行, 然后才补上的, 辛苦了,

还没有过多测试, 不知道会不会出错,
作者: 小白龙    时间: 2022-8-30 16:46

现在代码, 实在是看不懂了,   

还有更简单的算法吗? 或者用C#或模块什么的?   纯属学习交流
作者: 小白龙    时间: 2022-8-30 16:59

想用C#或库之类的, 是因为不知为什么, PS5在我的win10下启动好慢, 处理起来好像也比C#慢不少

要是C#我可以编译为一个exe, 速度会快很多
作者: flashercs    时间: 2022-8-30 18:01

文档格式算法是你定义的;我也看不懂;
powershell慢;因为加载module 太多;
这种自定义格式没有dll库可用, 你可以改成C#,只是有点麻烦;
作者: 小白龙    时间: 2022-8-30 18:33

感谢大佬提醒, 也没有外部module, 就是反应慢, 真是怪了
作者: 小白龙    时间: 2022-9-2 08:49

本帖最后由 小白龙 于 2022-9-2 08:52 编辑

回复 13# flashercs
原字符串:
┋国家, 中国, 美国, 日本
         ┋城市, 北京, 上海, 广州
        ┋大理, 三亚, 海南
我的名字是 ┃名字┃, 我的国家是 ┃国家┃, 我的年龄是┃年龄┃, 我家住在┃城市┃!
_________________________________________________________________
修改代码后处理结果:
┃Y_国家┃ 国家[]中国[]美国[]日本
┃Y_城市┃ 城市[]北京[]上海[]广州
        ┋大理, 三亚, 海南
我的名字是 ┃N_名字┃, 我的国家是 ┃Y_国家┃, 我的年龄是┃N_年龄┃, 我家住在┃Y_城市┃!
_________________________________________________________________

大佬, 请教两个小问题:
问题1.像上面的原字符串,标签前面带有空格符, 也能处理, PS代码我做了以下修改实现了:
行9
$reLabel = [regex]'┋([^,]*),(\s*)' #标签正则
改为
$reLabel = [regex]'\s*┋([^,]*),(\s*)' #标签正则
__________________
行60和90
$_.StartsWith("┋")
改为
$_.trim().StartsWith("┋")
___________________________________________________________
但是对应的C#代码, 我做了同样的修改, 会报错, 修改如下:
行21
Regex("┋([^,]*),(\\s*)"
改为了
Regex("\\s*┋([^,]*),(\\s*)"
__________________
行74和116
line.StartsWith("┋")
改为了
line.trim().StartsWith("┋")

问题2.处理后的标签┃后面必须要有一个空格, 但如果原字符串标签文本后的第一个逗号后面没有空格, 就不灵了, 例如下面:
┋国家,中国, 美国, 日本
作者: flashercs    时间: 2022-9-3 13:15

本帖最后由 flashercs 于 2022-9-3 13:21 编辑

.Trim() 必须大小写正确;
$reLabel = [regex]'\s*┋([^,]*),(\s*)' #标签正则
  1. # 替换label

  2. $sbLabel = {

  3.   param([System.Text.RegularExpressions.Match]$m)

  4.   $k = $m.Groups[1].Value

  5.   if ($dicLabelCtr.ContainsKey($k)) {

  6.     $ctr = (++$dicLabelCtr[$k])

  7.     "┃Y_$k$ctr┃ $k$ctr[]"

  8.   } else {

  9.     $dicLabelCtr[$k] = 1

  10.     "┃Y_$k┃ $k[]"

  11.   }

  12. }
复制代码
  1. //# 替换label

  2.             MatchEvaluator sbLabel = delegate (Match m)

  3.             {

  4.                 string k = m.Groups[1].Value;

  5.                 if (dicLabelCtr.ContainsKey(k))

  6.                 {

  7.                     int ctr = ++dicLabelCtr[k];

  8.                     return string.Format("┃Y_{0}{1}┃{2}{0}{1}[]", k, ctr, " ");

  9.                 }

  10.                 else

  11.                 {

  12.                     dicLabelCtr[k] = 1;

  13.                     return string.Format("┃Y_{0}┃{1}{0}[]", k, " ");

  14.                 }

  15.             };
复制代码
作者: 小白龙    时间: 2022-9-3 17:44

回复 20# flashercs

多谢大佬!
作者: 小白龙    时间: 2022-9-3 20:48

回复 20# flashercs

大佬再请教一下,
标签前的符号, 前面的例子都是┋, 刚发现有时还可能会是┇  还没有发现同时存在的情况,
我改了下面地方,想实现可以适用这两种符号, 结果标签输出为空:

$reLabel = [regex]'\s(┋|┇)([^,]*),(\s*)' #标签正则

和

if ($_.trim().StartsWith("┋") -or $_.trim().StartsWith("┇")) {
___________________________________________________________________
  1. $A = @'

  2. 	 ┇城市, 北京, 上海, 广州

  3. 	┇大理, 三亚, 海南

  4. 我的名字是 ┃名字┃, 我的国家是 ┃国家┃, 我的年龄是┃年龄┃, 我家住在┃城市┃!

  5. '@

  6. 

  7. [Collections.ArrayList]$B = @() #存标签

  8. [Collections.ArrayList]$C = @() #存内容

  9. 

  10. [Collections.ArrayList]$CLocal = @() #存内容Local

  11. [Collections.ArrayList]$keysInContent = @() #keys in content

  12. $dicLabelCtr = @{} #标签个数统计

  13. # $dicLabelLocal = @{} #标签个数统计: {称呼 =称呼2}

  14. $dicLabelLocal4B = [ordered]@{} #{标签 = Line}

  15. #$reLabel = [regex]'┋([^,]*),(\s*)' #标签正则

  16. $reLabel = [regex]'\s(┋|┇)([^,]*),(\s*)' #标签正则

  17. $reContent = [regex]'┃([^┃]*)┃' #内容正则

  18. # 替换label

  19. $sbLabel = {

  20. 	param ([System.Text.RegularExpressions.Match]$m)

  21. 	$k = $m.Groups[1].Value

  22. 	if ($dicLabelCtr.ContainsKey($k))

  23. 	{

  24. 		$ctr = (++$dicLabelCtr[$k])

  25. 		"┃Y_$k$ctr┃ $k$ctr[]"

  26. 	}

  27. 	else

  28. 	{

  29. 		$dicLabelCtr[$k] = 1

  30. 		"┃Y_$k┃ $k[]"

  31. 	}

  32. }

  33. # 替换内容

  34. $sbContent = {

  35.   param([System.Text.RegularExpressions.Match]$m)

  36.   $k = $m.Groups[1].Value

  37.   if ($dicLabelLocal4B.Contains($k)) {

  38.     [void]$keysInContent.Add($k)

  39.     if ($dicLabelCtr.ContainsKey($k)) {

  40.       "┃Y_${k}$($dicLabelCtr[$k]+1)┃"

  41.     } else {

  42.       "┃Y_${k}┃"

  43.     }

  44.   } else {

  45.     "┃N_$k┃"

  46.   }

  47. }

  48. 

  49. $stack = 0 #content

  50. $A -split '\r\n' | ForEach-Object {

  51.   if ($stack -eq 0) {

  52.     if ($_.trim().StartsWith("┋") -or $_.trim().StartsWith("┇")) {

  53.       $stack = 1

  54.       # procossing prev section

  55.       for ($i = 0; $i -lt $CLocal.Count; $i++) {

  56.         $CLocal[$i] = $reContent.Replace($CLocal[$i], $sbContent)

  57.       }

  58.       foreach ($key in @($dicLabelLocal4B.Keys)) {

  59.         if (-not $keysInContent.Contains($key)) {

  60.           [void]$C.Add($dicLabelLocal4B[$key])

  61.           $dicLabelLocal4B.Remove($key)

  62.         } else {

  63.           [void]$B.Add(($reLabel.Replace($dicLabelLocal4B[$key], $sbLabel) -replace ',\s*', '[]'))

  64.         }

  65.       }

  66.       [void]$C.AddRange($CLocal)

  67.       $CLocal.Clear()

  68.       $keysInContent.Clear()

  69.       $dicLabelLocal4B.Clear()

  70.       # next section

  71.       $m = $reLabel.Match($_)

  72.       if ($m.Success) {

  73.         $dicLabelLocal4B[$m.Groups[1].Value] = $_

  74.       } else {

  75.         $dicLabelLocal4B[$_] = $_

  76.       }

  77.     } else {

  78.       [void]$CLocal.Add($_)

  79.     }

  80.   } else {

  81.     # stack=1

  82.     if ($_.trim().StartsWith("┋") -or $_.trim().StartsWith("┇")) {

  83.       $m = $reLabel.Match($_)

  84.       if ($m.Success) {

  85.         $dicLabelLocal4B[$m.Groups[1].Value] = $_

  86.       } else {

  87.         $dicLabelLocal4B[$_] = $_

  88.       }

  89.     } else {

  90.       $stack = 0

  91.       [void]$CLocal.Add($_)

  92.     }

  93.   }

  94. }

  95. # procossing prev section

  96. for ($i = 0; $i -lt $CLocal.Count; $i++) {

  97.   $CLocal[$i] = $reContent.Replace($CLocal[$i], $sbContent)

  98. }

  99. foreach ($key in @($dicLabelLocal4B.Keys)) {

  100.   if (-not $keysInContent.Contains($key)) {

  101.     [void]$C.Add($dicLabelLocal4B[$key])

  102.     $dicLabelLocal4B.Remove($key)

  103.   } else {

  104.     [void]$B.Add(($reLabel.Replace($dicLabelLocal4B[$key], $sbLabel) -replace ',\s*', '[]'))

  105.   }

  106. }

  107. [void]$C.AddRange($CLocal)

  108. $CLocal.Clear()

  109. $keysInContent.Clear()

  110. $dicLabelLocal4B.Clear()

  111. 

  112. $B

  113. '---'

  114. $C
复制代码
作者: flashercs    时间: 2022-9-3 21:00

回复 22# 小白龙 
  1. $reLabel = [regex]'\s*(?:┋|┇)([^,]*),(\s*)' #标签正则
复制代码
作者: 小白龙    时间: 2022-9-4 10:15

回复 23# flashercs


多谢
作者: xczxczxcz    时间: 2022-9-4 20:32

化简为繁！！！

powershell 吸取了 C#的对象方法和purl语言的文本高效处理方式，要想PS高效，文本处理尽量不要对象化。

给你支一招：把文本按需要的段落分割(不是逐行处理)。你这样的文本处理，十几万行也瞬间完成。 正则可以不单独入组的尽量不要入组，减少开销。能用贪婪的尽量贪婪。反正想办法减少回朔处理。
作者: 小白龙    时间: 2022-9-4 21:06

回复 25# xczxczxcz

感谢支招, 在下不才, 前面大佬写的PS和C#都还没有看懂
要是能分享一下代码就好了, 看看能不能懂,
感觉稳定是第一位的, 我前说的慢, 是因为我的系统PS启动慢, 处理速度还行



欢迎光临 批处理之家 (http://www.bathome.net/) Powered by Discuz! 7.2