Regex Powershell的正则表达式中的行返回帐户

今天刚刚学习了regex的基础知识，经过一些努力，终于拼凑出了一些几乎可以工作的东西

我有一本书中的文档，我需要在其中找到项目符号中的文章a，an，the，而不是散文

子弹样本：

·Lorem ipsum Lorem XXX Lorem·Lorem ipsum·Lorem ipsum，Lorem和

散文样本： 没错，洛勒姆写了《伊普苏姆》。Lorem ipsum动词ipsum

到目前为止，这或多或少起到了作用：

$regexArticles = "^·\ [\w ,:;()+-=&·]*\b( the | a | an |The |An )\b.*$"
$articlecount = Select-String -Path $textfile -Pattern $regexArticles -AllMatches
"Article Count: " + $articlecount.Matches.Count

为了让它更具可读性，我将解释我的想法： 如果行以一个项目符号开头，然后是任意数量的单词和字符：，：+-=&；，如果还有文章，就抓住它

问题是，这并没有抓住以下情况的底线：

·Lorem ipsum Lorem XXX Lorem·Lorem ipsum·Lorem ipsum，Lorem和

洛雷姆·洛雷姆，洛雷姆·洛雷姆

当我想要获取的字符串包含这样的换行符时，如何保留这种逻辑

如果有一个更简单的方法，也许只是排除所有包含句号的句子，那就太好了。唯一的问题是，有时这些项目符号会错误地包含句号

编辑

刚刚意识到在我的sublime文本编辑器中几乎起作用的东西在Powershell中根本不起作用。无论出于何种原因，即使它返回正则表达式中带有升华文本的匹配项，但它不适用于Powershell

---

现在我知道为什么了。虽然升华可以处理子弹角色，但外壳不能，所以它被省略了，我没有注意到。现在我只需要知道如何正确地抓住子弹并以同样的方式传递它

由于我不知道如何检测中间点字符u00B7 | d183，因此我可以通过排除我不想找到的内容来解决这个问题

"^[^\d^(^\s] *\b( the | a | an |The |An )\b.*$"

我不想要任何以数字开头的行，也不想要以开括号开头的行。就目前而言，这是可行的。不幸的是，我将不得不解决这个问题，以使我的应用程序在其他正则表达式搜索中发挥作用

在回答我最初的问题时，我突然意识到我可以添加可选的\n？来解释潜在的断线！最终表达式如下所示：

^[^\w\d\s(].*\n?\r*?.*\b( the | a | an |The |An )\b.*$

---

也许，您可以利用Get Content$textfile-Raw来读取带有换行符的文件，然后使用类似于？i^·[\w，：；+=&·-]*\b | an？\b.*：？：\r？\n{2}.*？$这听起来很有效，而且在抓取正确的行时确实做到了我所需要的，但出于某种原因，它返回的计数为零。我认为这是我在理解Powershell中如何处理regex与Sublime等文本编辑器之间的一个差距。@WiktorStribiżew我想我发现我的问题在于unicode处理。您知道如何为这样的项目符号传递unicode吗？我正在查找，但有点挣扎。如果我弄明白了，我会告诉你的。图案开头的中间点属于\p{Po}类。你说的子弹是什么意思？该模式的实际需求是什么\ud183是톃 ‎D183[韩语音节]-你真的想要吗？当我说d时，我实际上指的是ASCII十进制值。如果我没弄错的话，这将获取ascii字符代码。[byte][char]'·'，并返回183。我相信，当我运行pdftotext xpdf后读取的文件被保存出来时，它保存为unicode。当我打开文本文件时，它是一个不可读的字符。我在想，如果我更改将被解析的编码。[^\d|\]*=[\d|]-匹配除数字和|之外的任何字符。这就是你想要的吗？这只是一个缩写的等价物吗？我使用的竖线作为or，右括号作为组的结尾，所以我不一定关心右括号和竖线作为字符，因为它们永远不会是文档中一行的开始。[…]是一个字符库，您可以在其中定义字符，而不是组。A和|都是字面上的字符。啊，这是有道理的。那么[\d]和\d|大致相等吗？[\d]=？：\\\\\\d