正则表达式删除除 XML 之外的所有内容

Question

我需要一个用于 notepad++ 的正则表达式来匹配除 XML 之外的所有内容

我正在使用的正则表达式： (!?\<.*\>)

示例代码：

[20173003] This text is what I want to delete [<Person><Name>Foo</Name><Surname>Bar</Surname></Person>], and this text too.
[20173003] This is another text to delete [<Person><Name>Bar</Name><Surname>Foo</Surname></Person>]
[20173003] This text too... [<Person><Name>Lorem</Name><Surname>Ipsum</Surname></Person>], delete me!
[20173003] But things like this make the regex to fail < [<Person><Name>Lorem</Name><Surname>Ipsum</Surname></Person>], or this>

预期结果：

<Person><Name>Foo</Name><Surname>Bar</Surname></Person>
<Person><Name>Bar</Name><Surname>Foo</Surname></Person>
<Person><Name>Lorem</Name><Surname>Ipsum</Surname></Person>
<Person><Name>Lorem</Name><Surname>Ipsum</Surname></Person>

提前致谢！

Answer 1

这并不完美，但应该适用于看起来非常简单且结构良好的输入。

如果您只需要处理一个未嵌套的 <Person> 标记，您可以使用简单的 (<Person>.*?</Person>)|. 正则表达式（它将匹配并捕获到组 1 任何 <Person> 标记，并将匹配任何其他字符）并替换为条件替换模式(?{1}$1\n:)（这将重新插入Person标签并在其后加上换行符，或者将匹配项替换为空字符串）：

为了使其更通用，您可以使用基于递归的 Boost 正则表达式和适当的条件替换模式来捕获开始和相应的结束 XML 标记：

查找内容：     (<(\w+)[^>]*>(?:(?!</?\2\b).|(?1))*</\2>)|.
替换为：(?{1}$1\n:)
. 匹配换行符：@987654333 @

正则表达式详细信息：

• (<(\w+)[^>]*>(?:(?!</?\2\b).|(?1))*</\2>) - 捕获组 1（稍后将使用 (?1) 子路由调用递归）匹配
  • <(\w+)[^>]*> - 任何名称被捕获到第 2 组的开始标签
  • (?:(?!</?\2\b).|(?1))* - 零次或多次出现：
    • (?!</?\2\b). - 任何字符 (.) 不以 </ + 标记名称作为整个单词的序列开头，前面带有可选的 /
    • | - 或
    • (?1) - 整个 Group 1 子模式被递归（重复）
  • </\2> - 对应的结束标签
• | - 或
• . - 任何单个字符。

替换模式：

• (?{1} - 如果第 1 组匹配：
  • $1\n - 替换为内容+换行符
  • : - 否则替换为空字符串
• ) - 替换模式结束。