Question

我已经保存了（Thunderbird）大约2000封我想要分析的电子邮件所以我创建了一个循环通过所有电子邮件将它们逐个读入一个变量：

   #several tries to read the email - they all fail
   #$mail = [IO.File]::ReadAllText(".\$($_.Value)", System.Text.Encoding.Unicode) #ERROR
   #$mail = [IO.File]::ReadAllText(".\$($_.Value)")  # match fails
   $mail = (Get-Content -Encoding UTF8 ".\$($_.Value)") # match fails too
   $mail = $mail.Replace('ä','ae') # no error, no replacement :(

然后我首先想要匹配几个德国日期，如：“Montag，den2.März2009”（= 2009年3月2日星期一）

   #                    Montag               2          M        ärz       2009
   if ( $mail -match '.+[MDF][a-z]+.+?den.*?(\d+).*?([JFMAJSOND][a-z]+).*?(\d+)' ) {

由于德国ä，比赛失败。：（

我尝试了各种版本加载文件（s.a.）。
我尝试了$ mail.Replace（“ä”，“ae”）并得到错误无替换。
我试图在比赛模式中输入ä[äa-z] +并且失败了
我将电子邮件加载到记事本中，ä正确显示，编码为Ansi
如果我打印$ email到控制台，'März'（和其他öüß）转换为：'M rz'

由于我必须处理英语和德语几个月的事实，我创建了一个哈希，用它的数字替换月份名称然后解析日期 - 所以匹配只是一个问题，解析将是下一个

我需要做什么才能 - 将März转换为Maerz或
- 正确匹配März或
- 阅读具有正确编码的电子邮件为了顺利匹配和解析：

    $h = @{März = 3; Maerz = 3}
    $date = "Montag, den 2. März 2009"
    if ( $date -match 'den.+?(\d+).*?([JFMASOND][a-zäöü]+).*?(\d+)' ) {
        $tmp = "$($Matches[1]) $($h.$($Matches[2])) $($Matches[3])"
        try{
           $day = [datetime]::ParseExact( $tmp, "d M yyyy", $null)
        } catch { Write-Host "Error Parse" $tmp}
    } else { Write-Host "Error match" }

提前致谢

找到一个奇怪的解决方案：

    $mail = [IO.File]::ReadAllText(".\$($_.Value)")
    ...
    $h = @{März = 3; Maerz = 3; 'M�rz' = 3}
    $date = "Montag, den 2. März 2009"
    if ( $date -match 'den.+?(\d+).*?([JFMASOND][a-z�]+).*?(\d+)' ) {
        $tmp = "$($Matches[1]) $($h.$($Matches[2])) $($Matches[3])"
        try{
           $day = [datetime]::ParseExact( $tmp, "d M yyyy", $null)
        } catch { Write-Host "Error Parse" $tmp}
    } else { Write-Host "Error match" }

不是很好，但至少在匹配和解析日期方面工作。

Answer 1

匹配德国ä使用：

\p{L}

这将匹配所有Unicode字母。（大小写）

此正则表达式匹配：Montag，den2.März2009

.*[MDF][a-z]+.+?den.*?(\d+).*?([JFMAJSOND][\p{L}]+).*?(\d+)

这应该符合您上面提到的格式的一些德国日期，如：Montag，den2.März2009

(?:Montag|Dienstag|Mittwoch|Donnerstag|Freitag|Samstag|Sonntag),\s+den\s+\d+\.\s+(?:Jannuar|J(?:ä|&auml;)nner|Februar|Feber|M(?:ä|&auml;)rz|April|Mai|Juni|Juli|August|September|Oktober|November|Dezember)\s+\d{4}

这适用于我的Powershell：

$test = "Montag, den 2. März 2009"
$test -match '(?:Montag|Dienstag|Mittwoch|Donnerstag|Freitag|Samstag|Sonntag),\s+den\s+\d+\.\s+(?:Jannuar|J(?:ä|&auml;)nner|Februar|Feber|M(?:ä|&auml;)rz|April|Mai|Juni|Juli|August|September|Oktober|November|Dezember)\s+\d{4}'

我无法强制PowerShell正确编码已保存的电子邮件

1 个答案: