Question

CWD中有2个文本文件，a.txt，b.txt。从a.txt开始，我想删除b.txt中前5个字符不存在的所有行，作为任何行的前5个字符。（或者，另外说明，只保留a.txt中的那些行，其前5个字符出现在b.txt中，作为任何行的前5个字符。）第5个字符后面的内容到最后一行是无关紧要的。

例如：a.txt

abcde000dsdsddsdsdsdsdsd
0123456xxx
kkk
xyzxyzxyzfeeeee
kkkkkkkkkkk

和b.txt：

012345aabbcc
kkkkkkkhhkkvv
nnnnnnn5777nnnn77567

预期结果（a.txt中的行b.txt中包含1-5个字符的行：

0123456xxx
kkkkkkkkkkk

当我运行代码时，它会给我一个空的results.txt，但没有错误消息。我缺少什么？

$pattern = "^[5]"
$set1 = Get-Content -Path a.txt
$results = New-Object -TypeName System.Text.StringBuilder
Get-Content -Path b.txt | foreach {
    if ($_ -match $pattern) {
        [void]$results.AppendLine($_)
    }
}
$results.ToString() | Out-File -FilePath .\results.txt -Encoding ascii

Answer 1

您的代码不起作用，因为您的模式与任何内容都不匹配。正则表达式^[5]表示“字符串开头的字符'5'（方括号定义character class），而不是”字符串开头的5个字符“。后者将是^.{5}。此外，您永远不会将a.txt的内容与b.txt的内容相匹配。

有几种方法可以做你想做的事：

将b.txt.的每一行中的前5个字符提取到数组，并将a.txt的行与该数组进行比较。 Esperento57's answer有点使用这种方法，但需要PowerShell v3或更新版本。适用于所有PowerShell版本的变体可能如下所示：
```
$pattern = '^(.{5}).*'

$ref = (Get-Content 'b.txt') -match $pattern -replace $pattern, '$1' |
       Get-Unique

Get-Content 'a.txt' | Where-Object {
    $ref -contains ($_ -replace $pattern, '$1')
} | Set-Content 'results.txt'
```

由于数组中的查找速度相对较慢且无法很好地扩展（随着数组中元素数量的增加，它们会显着变慢），您也可以将参考值放在hashtable中，这样就可以了做索引查找（明显更快）：

$pattern = '^(.{5}).*'

$ref = @{}
(Get-Content 'b.txt') -match $pattern -replace $pattern, '$1' |
    ForEach-Object { $ref[$_] = $true }

Get-Content 'a.txt' | Where-Object {
    $ref.ContainsKey(($_ -replace $pattern, '$1'))
} | Set-Content 'results.txt'

另一种方法是从b.txt中提取的子字符串中构建第二个regular expression，并将a.txt的内容与该表达式进行比较：

$pattern = '^(.{5}).*'

$list = (Get-Content 'b.txt') -match $pattern -replace $pattern, '$1' |
        Get-Unique |
        ForEach-Object { [regex]::Escape($_) }
$ref  = '^({0})' -f ($list -join '|')

(Get-Content 'a.txt') -match $ref | Set-Content 'results.txt'

请注意，这些方法中的每一种都会忽略短于5个字符的行。

Answer 2

尝试这样的事情：

{{1}}

Answer 3

如果需要考虑性能，请考虑使用散列表作为索引：

$Pattern = '^(.{5}).*'

$a = @{}; $b = @{}
Get-Content -Path a.txt | Where {$_ -Match $Pattern} | ForEach {$a[$Matches[1]] = @($a[$Matches[1]] + $_)}
Get-Content -Path b.txt | Where {$_ -Match $Pattern} | ForEach {$b[$Matches[1]] = @($b[$Matches[1]] + $_)}

$a.Keys | Where {$b.Keys -Contains $_} | ForEach {$a.$_} | Set-Content results.txt

两个文件：仅保留前n个字符相同的行

3 个答案: