Как убрать текст между словами из txt / xml файла?

Question

[Алексей]

Можно ли с помощью регулярных выражений решить такие задачи, если да, то прошу помощи.

Есть файл, разбитый на строки, кодировка UTF-8.

1. С начала файла нужно удалить всё до слова
<xml_catalog

2. Удалить всё между

<catalog>
...
<items>

Команду PS написал - (gc source.xml -Encoding UTF8) -replace '%regexp%', '' >out.xml , а вот с регуляркой никак

Answer 1

[Алексей]

Решил проблему так:
1. Мусорных строк в файле всегда 4, так что просто удаляем первые 4 строки:

(gc source.xml -Encoding UTF8 | select -Skip 4) >out1.xml

| sc out1.xml - не сработает, т.к. сконвертирует символы переноса строк.

2. Спасибо dodo512

(gc out1.xml -Encoding UTF8 | out-string) -replace '(?s)(?<=<catalog>).*?(?=<items>)', '' >out.xml

10-мб файл обрабатывает за пару секунд.

Answer 2

[MaxKozlov]

0. Файл нужно слепить в одну строку
1. ".*<xml_catalog'"
2. "<catalog>.*?<items>"

Answer 3

[dodo512]

(gc source.xml -Encoding UTF8 | out-string) -replace '(?s).*?(?=<xml_catalog)', '' -replace '(?s)(?<=<catalog>).*?(?=<items>)', '' >out.xml

Comments

[MaxKozlov]

Можно было бы и попроще :) зачем сразу пугать ?
однако, > выведет в Unicode, для Utf-8 Лучше Set-Content использовать

[dodo512]

MaxKozlov, тогда так :)

(gc source.xml -Encoding UTF8) join '' -replace '.*(?=<xml_catalog)' | sc -Encoding UTF8 out.xml
(gc out.xml -Encoding UTF8) -replace '(?<=<catalog>).*?(?=<items>)'  | sc -Encoding UTF8 out.xml

[MaxKozlov]

и всё же -replace ".*<xml_catalog", "<xml_catalog" выглядит менее страшно IMHO безо всех этих просмотров назад-вперёд :)

[Алексей]

dodo512, первая команда выдает ошибку "Непредвиденная лексема "join" в выражении или операторе."
вторая ничего не делает, т.е. не удаляет искомое.

[MaxKozlov]

Алексей, если хоть чуточку подумать, то там должен быть-join, хотя 'это не очень верно, так как слепит строки