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

Question

我们正在尝试扫描一个包含html、xml和java文件的大型文件库，这些文件都可以包含System.out.println.的Java代码。问题是我需要找到一组特定的代码示例。

示例1：System.out.println（"我的工作代码是："var.jobcode）；

示例2：<代码>系统。出来println（“我的jc是：”var.jc）

例3：<代码>系统。出来println（“我的jbc是：”var.jbc）

我试图用以下方法得到这个：

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，但我也得到误报，因此具有以下行的文件错误地出现在结果中。

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">

因此，只要文件有一个系统。出来println（）；节后面跟有任何单词“job”，该文件在不应该时也会被拾取。

我必须半定期地在几千个文件上运行它，并且需要输出文件路径/名称并在违规代码所在的行中。

我如何清理这个正则表达式，使其更具体，只包含具有上面示例中的行的文件，而不拾取其他文件？

Answer 1

关于您尝试的模式的一些注释：

• 您有3个替换，其中唯一的区别是应该出现的单词。您可以在非捕获组中为这些单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nchar
• 非贪心点. *? 可能过度匹配，因为点也可以匹配"and）
• 量词{99}重复整个分组部分正好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\("[^":]*\s(?:job|jb?c)\s[^"]+"[^)]*\);

查看regex演示。