我需要改进我的 Powershell 正则表达式以找到特定 System.out.println 模式的 Java 代码

Question

我们正在尝试扫描一个大型文件库，其中包含 html、xml 和 java 文件，这些文件都可以包含 Java 代码 System.out.println。问题是我需要找到那部分代码的一组特定示例。

示例 1： System.out.println("my job code is: " var.jobcode);

示例 2： System.out.println("my jc is: " var.jc);

示例 3： System.out.println("my jbc is: " var.jbc);

我尝试通过以下方式获得此信息：

Get-ChildItem C:\my\folder\path -Recurse | Where-Object FullName -Match ".*C:\my\folder\path*" | Where-Object FullName -Match ".*." | Select-String -Pattern '(System\.out\.println+(.*?job)\/?[^)]+[)]\s*;)|(System\.out\.println+(.*?jc)\/?[^)]+[)]\s*;)|(System\.out\.println+(.*?jbc)\/?[^)]+[)]\s*;){99}' -List | Select Path,Line

我得到了我想要的文件，但我也得到了误报，结果中包含以下行的文件是错误的。

System.out.println ("component printout: item"); System.out.println ("");                 <td style="word-break: break-all;word-wrap:break-word;font-size:12px;" class="FONTSTYLE" align="left">Job Codes</td><td style="word-break: break-all;word-wrap:break-word;font-size:12px;" class="FONTSTYLE" align="left">

所以只要文件有 System.out.println();部分后跟文件在不应该被拾取的任何单词“工作”。

我必须运行半定期地处理数千个文件，并且需要输出文件 path/name 并在有问题的代码所在的行中添加行。

如何清理此 Regex 以更具体地仅包含包含与我上面的示例类似的行的文件，而不选择其他文件？

Answer 1

关于您尝试的模式的一些注释：

您有 3 个备选方案，唯一的区别是应该出现的单词。您可以对非捕获组中的这些词使用带有交替的单一模式
使用 println+ 匹配 printl 后跟 1 次或多次 n 字符
非贪心点.*?可能会过度匹配，因为点也可以匹配"和)
量词 {99} 将整个分组部分重复了 99 次，最后一次交替似乎有点偏离模式。

您可以使模式更具体一些：

System\.out\.println\("[^":]*\s(?:job|jb?c)\s[^":]*:[^"]*"[^)]*\);

说明

System\.out\.println\( 匹配 System.out.println(
"[^":]* 匹配 " 然后是 " 和 :
\s(?:job|jb?c)\s 在空白字符之间匹配 job jbc 或 jc（或使用单词边界 \b(?:job|jb?c)\b）
[^":]*:[^"]*" 可选择匹配 " 和 : 以外的任何字符，然后匹配 : 后跟 "
[^)]*\); 匹配 ) 以外的可选字符，然后匹配 ) 和 ;

看到一个regex demo.

没有强制性 : 和字边界的替代方案：

System\.out\.println\("[^":]*\b(?:job|jb?c)\b[^"]*"[^)]*\);

再看一个regex demo。

我需要改进我的 Powershell 正则表达式以找到特定 System.out.println 模式的 Java 代码

I need to improve my Powershell Regular Expression to find Java codes for specific System.out.println patterns

java

regex

powershell