powershell 正規表現で複数行にわたってパターンマッチさせたい（「単一行モード」）

Ride with GPSでエクスポートしたgpxファイルがGarmin etrex20（英語版）で認識できなかった。

やりたいこと

Ride with GPSでエクスポートしたgpxファイルをGarmin etrex20（英語版）で認識できるgpxファイルに加工したい。

１．問題点

Ride with GPS からエクスポートしたgpxファイルがGarmin etrexで認識されなかったので調査したところ３つの問題点があることが分かった。

1. "<gpx xmlns~" の行が冗長（何かが悪い）
2. "<metadata>~</metadata>"が不要
3. "<name>ほげほげ</name> "の部分が日本語NG（etrex20英語版なので日本語NG。etrex20JならOKなのかな？）

１．１　Ride with GPSでエクスポートされたGPXのサンプル（UTF-8 BOM無し、改行は0x0A"\n"）

<?xml version="1.0" encoding="UTF-8"?>
<gpx xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"（・省略・）creator="http://ridewithgps.com/">
  <metadata>
    <name>ほげほげ</name>
    <link href="https://ridewithgps.com/routes/xxxxxx">
      <text>ほげほげ</text>
    </link>
    <time>2023-01-01T00:00:00Z</time>
  </metadata>
  <trk>
    <name>ほげほげ</name>
    <trkseg>
      <trkpt lat="37.00001" lon="140.0001">
        <ele>100.1</ele>
      </trkpt>
（・・・省略・・・）
      <trkpt lat="37.00002" lon="140.0002">
        <ele>100.2</ele>
      </trkpt>
    </trkseg>
  </trk>
</gpx>

１．２　etrex20で実績があるGPXファイル（UTF-8 BOM無し、改行は0x0A"\n"）

<?xml version="1.0" encoding="UTF-8"?>
<gpx version="1.1" xmlns="http://www.topografix.com/GPX/1/1">
  <trk>
    <name>hogehoge</name>
    <trkseg>
      <trkpt lat="37.00001" lon="140.0001">
        <ele>100.1</ele>
      </trkpt>
（・・・省略・・・）
      <trkpt lat="37.00002" lon="140.0002">
        <ele>100.2</ele>
      </trkpt>
    </trkseg>
  </trk>
</gpx>

※やるべきこと

1. "<gpx xmlns~" の行を、下記例に置換
2. "<metadata>~</metadata>"を削除
3. "<name>ほげほげ</name> "の部分を英数字に変更（手動）

２．これをpowershellでどうにかしよう

２．１．XMLとして読み込むことは諦めた

各要素を楽に扱いたいのでXMLとして読み込んでみようと考えた。よくある以下の方法だと、gpxファイルのLine7あたりでNGがあるって怒られる。

> $XML = [XML](Get-Content C:\Sample1.xml) 

２．２．置換でどうにかしよう

サンプル。

# パス情報：ハードコーディング
$path = "C:\temp\hogehoge.gpx"
$newpath = "C:\temp\hogehoge2.gpx"

# gpxファイル読込
$XML = Get-Content -Encoding UTF8 $path -raw

# 古いファイルは削除
if((Test-Path -LiteralPath $newpath) -eq $true){
    Remove-Item -LiteralPath $newpath
}

# 置換（削除）
# １．<gpx の行を置換
$XML = $XML -replace "<gpx xmlns:.*>",'<gpx version="1.1" xmlns="http://www.topografix.com/GPX/1/1">'  
# ２．<metadata>~</metadata> を削除（複数行にマッチさせて置換）
$XML = $XML -replace '(?s)\s*<metadata>.+</metadata>',''    

# 出力
$XML | % { [Text.Encoding]::UTF8.GetBytes($_) } | Add-Content -LiteralPath $newpath -Encoding byte

ポイント

• Get-Content で -raw 指定で読み込むこと
• -replaceのパターン指定（正規表現）にて、「単一行モード」 を使う。'(?s)pattern' の部分。 「単一行モード」は-rawで読み込まないとだめらしい（どこかのページで見たのだが忘れた。。。orz）
• out-File -encode UTF8 はBOM付UTF8になってしまうので、「Add-Content」でByte指定で吐き出す。

※「単一行モード」：通常、ピリオド.（任意の文字）には\n（改行）は含まれない（\rは含まれるようだが）。ピリオド.でも改行とマッチさせるようなモードが単一行モードというらしい。

参考

正規表現について - PowerShell | Microsoft Learn
正規表現言語 - クイック リファレンス | Microsoft Learn
正規表現のオプション | Microsoft Learn

バージョン

PSVersion                      5.1.19041.2673