PowerShell5。查找/替换文本。 Switch和.NET框架或cmdlet和管道？哪个更快？哪个更容易阅读？

Posted 2023-01-06

如何使用搜索和替换易于阅读且易于添加/修改/删除的字符串来查找和替换Windows文本文件中的文本。此脚本将解析6800行文件，查找70个字符串实例，重新编号并在不到400毫秒内覆盖原始字符串。

搜索字符串“AROUND LINE 1-9999”和“LINE2 1-9999”，并将1-9999替换为代码所在的line number。琴弦周围有一个前后空格。最后两个测试使用整个源批处理副本完成并粘贴到sample.bat中。

sample.bat包含两行：

ECHO AROUND LINE 5936
TITLE %TIME%   DISPLAY TCP-IP SETTINGS   LINE2 5937

当前代码包括寻找AROUND LINE和@ mklement0解决方案：

copy-item $env:temp\sample.bat -d $env:temp\sample.bat.$((get-date).tostring("HHmmss"))
$file = "$env:temp\sample.bat"
$lc = 0
$updatedLines = switch -Regex ([IO.File]::ReadAllLines($file)) 
  '^(.*? (?:AROUND LINE|LINE2) )\d+(.*)$'  $Matches[1] + ++$lc + $Matches[2] 
  default  ++$lc; $_ 

[IO.File]::WriteAllLines($file, $updatedLines, [Text.Encoding]::ASCII)

预期成绩：

ECHO AROUND LINE 1
TITLE %TIME%   DISPLAY TCP-IP SETTINGS   LINE2 2

实际结果：

ECHO AROUND LINE 1 
TITLE %TIME%   DISPLAY TCP-IP SETTINGS   LINE2 2 

使用switch，.NET框架和粘贴到sample.bat中的整个批处理文件进行测量：

Measure-command 
copy-item $env:temp\sample.bat -d $env:temp\sample.bat.$((get-date).tostring("HHmmss"))
    $file = "$env:temp\sample.bat"
    $lc = 0
    $updatedLines = switch -Regex ([IO.File]::ReadAllLines($file)) 
      '^(.*? (?:AROUND LINE|LINE2) )\d+(.*)$'  $Matches[1] + ++$lc + $Matches[2] 
      default  ++$lc; $_ 
    
    [IO.File]::WriteAllLines($file, $updatedLines, [Text.Encoding]::ASCII)

结果：10次运行75ms-386ms。

使用Get-Content + -replace + Set-Content和粘贴到sample.bat中的整个批处理文件进行测量：

Measure-command 
copy-item $env:temp\sample.bat -d $env:temp\sample.bat.$((get-date).tostring("HHmmss"))
(gc $env:temp\sample.bat) | foreach -Begin $lc = 1 -Process 
  $_ -replace 'AROUND LINE \d+', "AROUND LINE $lc" -replace 'LINE2 \d+', "LINE2 $lc"
  ++$lc
 | sc -Encoding Ascii $env:temp\sample.bat

结果：10次运行363ms-451ms。

搜索字符串是一个易于理解的正则表达式。

您可以通过添加另一个-replace来搜索其他字符串。

-replace 'AROUND LINE \d+', "AROUND LINE $lc" -replace 'LINE2 \d+', "LINE2 $lc" -replace 'LINE3 \d+', "LINE3 $lc"

编者注：这是Iterate a backed up ascii text file, find all instances of LINE2 1-9999 replace with LINE2 "line number the code is on". Overwrite. Faster?的后续问题

这个问题从最年轻到最老的演变：1。54757890 2. 54737787 3. 54712715 4. 54682186

更新：我使用了@ mklement0正则表达式解决方案。

答案

switch -Regex -File $file 
  '^(.*? (?:AROUND LINE|LINE2) )\d+(.*)$'  $Matches[1] + ++$lc + $Matches[2] 
  default  ++$lc; $_ 

• 鉴于正则表达式^(.*? (?:AROUND LINE|LINE2) )\d+(.*)$仅包含2个捕获组 - 要替换​​的数字（\d+）之前的行的部分以及之后的行的部分，您必须将这些具有索引1和2的组引用到输出中的automatic $Matches variable（而不是2）和3）。 请注意，(?:...)是一个非捕获组，所以在设计中它没有反映在$Matches中。
• 我没有用[IO.File]::ReadAllLines($file)读取文件，而是使用-File选项和switch，它直接读取文件$file中的行。
• ++$lc中的default ++$lc; $_ 确保在通过手头的线（$_）之前，线计数器也会针对非匹配线递增。

---

Performance notes

• 您可以使用以下obscure optimization稍微改善性能： # Enclose the switch statement in & ... to speed it up slightly. $updatedLines = & switch -Regex -File ...
• 使用高度迭代计数（大量行），使用预编译的[regex]实例而不是PowerShell在幕后转换为正则表达式的字符串文字可以进一步加快速度 - 请参阅下面的基准测试。
• 此外，如果区分大小写匹配足够，则可以通过将-CaseSensitive选项添加到switch语句来挤出更多性能。
• 在高层次上，使解决方案快速的原因是使用switch -File来处理这些行，并且通常使用.NET类型来处理文件I / O（而不是cmdlet）（在这种情况下为IO.File]::WriteAllLines()，如图所示）问题） - 另见this related answer。 也就是说，marsze's answer提供了一种高度优化的foreach循环方法，该方法基于预编译的正则表达式，迭代次数越多，速度越快 - 但是，它更加冗长。

---

Benchmarks

• 下面的代码比较了这个答案的switch方法与marsze的foreach方法的表现。
• 请注意，为了使两个解决方案完全等效，进行了以下调整： & ... 优化也被添加到switch命令中。 IgnoreCase和CultureInvariant选项被添加到foreach方法中以匹配PS正则表达式隐式使用的选项。

而不是6行样本文件，性能分别用600行，3,000和30,000行文件进行测试，以显示迭代次数对性能的影响。

正在平均100次运行。

来自运行Windows PowerShell v5.1的Windows 10计算机的示例结果 - 绝对时间并不重要，但希望Factor列中显示的相对性能通常具有代表性：

VERBOSE: Averaging 100 runs with a 600-line file of size 0.03 MB...

Factor Secs (100-run avg.) Command
------ ------------------- -------
1.00   0.023               # switch -Regex -File with regex string literal...
1.16   0.027               # foreach with precompiled regex and [regex].Match...
1.23   0.028               # switch -Regex -File with precompiled regex...


VERBOSE: Averaging 100 runs with a 3000-line file of size 0.15 MB...

Factor Secs (100-run avg.) Command
------ ------------------- -------
1.00   0.063               # foreach with precompiled regex and [regex].Match...
1.11   0.070               # switch -Regex -File with precompiled regex...
1.15   0.073               # switch -Regex -File with regex string literal...


VERBOSE: Averaging 100 runs with a 30000-line file of size 1.47 MB...

Factor Secs (100-run avg.) Command
------ ------------------- -------
1.00   0.252               # foreach with precompiled regex and [regex].Match...
1.24   0.313               # switch -Regex -File with precompiled regex...
1.53   0.386               # switch -Regex -File with regex string literal...

请注意，在较低的迭代次数下，switch -regex的字符串文字是最快的，但在大约1,500行时，带有预编译的foreach实例的[regex]解决方案开始变得更快;使用[regex]预编译的switch -regex实例的回报程度较低，只有较高的迭代次数。

基准代码，使用Time-Command function：

# Sample file content (6 lines)
$fileContent = @'
TITLE %TIME%   NO "%zmyapps1%\*.*" ARCHIVE ATTRIBUTE   LINE2 1243
TITLE %TIME%   DOC/SET YQJ8   LINE2 1887
SET ztitle=%TIME%: WINFOLD   LINE2 2557
TITLE %TIME%   _*.* IN WINFOLD   LINE2 2597
TITLE %TIME%   %%ZDATE1%% YQJ25   LINE2 3672
TITLE %TIME%   FINISHED. PRESS ANY KEY TO SHUTDOWN ... LINE2 4922

'@

# Determine the full path to a sample file.
# NOTE: Using the *full* path is a *must* when calling .NET methods, because
#       the latter generally don't see the same working dir. as PowerShell.
$file = "$PWD/test.bat"

# Note: input is the number of 6-line blocks to write to the sample file,
#       which amounts to 600 vs. 3,000 vs. 30,0000 lines.
100, 500, 5000 | %  

  # Create the sample file with the sample content repeated N times.
  $repeatCount = $_ 
  [IO.File]::WriteAllText($file, $fileContent * $repeatCount)

  # Warm up the file cache and count the lines.
  $lineCount = [IO.File]::ReadAllLines($file).Count

  # Define the commands to compare as an array of scriptblocks.
  $commands =
     # switch -Regex -File with regex string literal
      &  
        $i = 0
        $updatedLines = switch -Regex -File $file 
          '^(.*? (?:AROUND LINE|LINE2) )\d+(.*)$'  $Matches[1] + ++$i + $Matches[2] 
          default  ++$i; $_ 
         
        [IO.File]::WriteAllLines($file, $updatedLines, [text.encoding]::ASCII)
      
    ,  # switch -Regex -File with precompiled regex
      & 
        $i = 0
        $regex = [Regex]::new('^(.*? (?:AROUND LINE|LINE2) )\d+(.*)$', 'Compiled, IgnoreCase, CultureInvariant')
        $updatedLines = switch -Regex -File $file 
          $regex  $Matches[1] + ++$i + $Matches[2] 
          default  ++$i; $_ 
         
        [IO.File]::WriteAllLines($file, $updatedLines, [text.encoding]::ASCII)
      
    ,  # foreach with precompiled regex and [regex].Match
      & 
        $regex = [Regex]::new('^(.*? (?:AROUND LINE|LINE2) )\d+(.*)$', 'Compiled, IgnoreCase, CultureInvariant')
        $i = 0
        $updatedLines = foreach ($line in [IO.File]::ReadLines($file)) 
            $i++
            $m = $regex.Match($line)
            if ($m.Success) 
                $g = $m.Groups
                $g[1].Value + $i + $g[2].Value
             else  $line 
        
        [IO.File]::WriteAllLines($file, $updatedLines, [Text.Encoding]::ASCII)    
      
    

  # How many runs to average.
  $runs = 100

  Write-Verbose -vb "Averaging $runs runs with a $lineCount-line file of size $('0:N2 MB' -f ((Get-Item $file).Length / 1mb))..."

  Time-Command -Count $runs -ScriptBlock $commands | Out-Host

另一答案

替代方案：

$regex = [Regex]::new('^(.*? (?:AROUND LINE|LINE2) )\d+(.*)$', 'Compiled, IgnoreCase, CultureInvariant')
$lc = 0
$updatedLines = & foreach ($line in [IO.File]::ReadLines($file)) 
    $lc++
    $m = $regex.Match($line)
    if ($m.Success) 
        $g = $m.Groups
        $g[1].Value + $lc + $g[2].Value
     else  $line 

[IO.File]::WriteAllLines($file, $updatedLines, [Text.Encoding]::ASCII)