Perl 正则表达式匹配：关键字可能存在也可能不存在答案

【问题标题】：Perl regex matching: keywords may or may not existPerl 正则表达式匹配：关键字可能存在也可能不存在
【发布时间】：2017-08-04 06:13:15
【问题描述】：

我有如下字符串输入：

<Name>IncludeLeafPortfolios</Name><DataType>Boolean</DataType><Value>True</Value>
<Name>HierarchyDate</Name><DataType>Int</DataType><IsFixed>false</IsFixed>
<Name>HierarchyDate</Name><DataType>Int</DataType>
<Name>HierarchyDate</Name><DataType>Int</DataType><Value>0</Value><IsFixed>false</IsFixed>
<Name>HierarchyDate</Name><DataType>Int</DataType><Value>0</Value><IsFixed>false</IsFixed>

名称标签始终存在并且很有趣。 DataType 不感兴趣。值标签和 IsFixed 标签可能存在也可能不存在。目标是捕获Value标签，如果其中一个存在或两者都存在，则IsFixed标签。

我的解决方案不起作用：

$element =~ m/^<Name>([\w\s]*)<\/Name>.*([<Value>[\w+\d+]<\/Value>]?)(<IsFixed>[\w+]<\/IsFixed>])?$

请提出建议。谢谢。

【问题讨论】：

您可以检查其中是否至少存在一个，但如果两者都存在，则只能捕获其中一个。 if($element =~ m'.*|.*'i){} 如果你在 .* 周围加上括号，你只会得到第一个的值如果由于快捷方式评估两个标签都存在，则为一个。
您确定这正是您的 XML 的外观吗？它看起来有点奇怪的结构。（例如，我希望名称元素的“父”节点）。

标签： regex perl

【解决方案1】：

该数据看起来像 XML。使用 XML::LibXML 之类的库对其进行解析，然后对生成的结构执行操作。

不要使用正则表达式来处理 XML。 The results are just as bad as trying to use regular expressions for HTML.

【讨论】：

【解决方案2】：

XML 是上下文相关的。正则表达式不是。因此，您无法使用正则表达式可靠地解析 XML。

所以使用解析器。我喜欢XML::Twig，它会有点像这样：

#!/usr/bin/env perl
use strict;
use warnings;

use XML::Twig;
use Data::Dumper;

my $twig = XML::Twig -> new -> parsefile ( 'your_file.xml' );

my @keys = qw ( Name Value IsFixed ); 

my @rows; 
my %current_row; 
#iterate children
foreach my $node ( $twig -> root -> children ) { 
   #extract tag and content
   my $tag = $node -> tag;
   my $content = $node -> text; 
   $current_row{$tag} = $content; 
   #if it's a name tag, assume it's a new row. 
   if ($tag eq 'Name' and %current_row) {
       push @rows, {%current_row};
       undef %current_row;
   }
}
#output results. 
print join ",", @keys, "\n";
foreach my $row ( @rows ) {
   print join ",", (map { $row -> {$_} // '' } @keys),"\n";
}

哪些输出：

Name,Value,IsFixed,
IncludeLeafPortfolios,,,
HierarchyDate,True,,
HierarchyDate,,false,
HierarchyDate,,,
HierarchyDate,0,false,

不过，我会注意到您的 XML 很混乱 - 您确定它的结构是这样的吗？因为通常如果你有“关联”标签，那么它们会被分组在一个节点中。

例如类似：

<xml>
  <item>
     <Name>HierarchyDate</Name><DataType>Int</DataType><IsFixed>false</IsFixed>
  </item>
</xml>

这将大大简化问题，因为您可以：

foreach my $item ( $twig -> root -> children ) {
   print join ",", (map { $item -> first_child_text($_) // '' } @keys),"\n"; 
}

【讨论】：