Question

我正在搜索非常大量的Word文档（5000）以获取大量字符串（3000）。我知道如何在Powershell脚本中执行此操作，但这需要很长时间。幸运的是，大多数这些字符串在前3或4个字符中都有通用文本，如果在find.execute语句中使用通配符搜索，我可以将字符串缩小到大约300。如果我在strings.txt中搜索（cod）*，它会找到诸如＆＃34; code，＆＃34;之类的结果。＆＃34;编码＆＃34;，＆＃34;编码＆＃34;等在Word文档中，我需要将这些结果放入文本文件中。但是，我没有太多运气。

$filePath = "C:\files\"
$textPath = "C:\strings.txt"
$outputPath = "C:\output.txt"
$findTexts = (Get-Content $textPath)
$docs = Get-childitem -path $filePath -Recurse -Include *.docx 
$application = New-Object -comobject word.application 
Foreach ($doc in $docs)
{
   $document = $application.documents.open("$doc", $false, $true)
   $application.visible = $False
   $matchCase = $false 
   $matchWholeWord = $false 
   $matchWildCards = $true 
   $matchSoundsLike = $false 
   $matchAllWordForms = $false 
   $forward = $true 
   $wrap = 1
   $range = $document.content
   $null = $range.movestart()

   Foreach ($findtext in $findTexts)
   {
       $wordFound = $range.find.execute($findText,$matchCase,$matchWholeWord,$matchWildCards,$matchSoundsLike, $matchAllWordForms,$forward,$wrap) 
       if ($wordFound) 
       { 
           $docName = $doc.Name
           #Output search results and file name to a tab-delimited file
           "$findText`t$docName" | Out-File -append $outputPath   
        } #end if $wordFound 

     } #end foreach $findText
$document.close()
} #end foreach $doc
$application.quit()

如果我的Word文档带有＆＃34;编码＆＃34;在其中，此脚本导致output.txt包含（cod）*通配符和文件名，因为$ findText =（cod）*。那么有没有办法得到“＃34;编码＆＃34;输出到文件？

Answer 1

为什么不在文档中的所有文本上使用Powershell正则表达式，而不是使用Word的通配符搜索。像这样：

if ($document.Content.Text -match "\b$($findText)\w+\b") 
{ 
  $docName = $doc.Name
  "$($matches[0])`t$docName" | Out-File -append $outputPath   
}

如何让powershell在Word文档中搜索通配符并返回它找到的单词？

1 个答案: