XML 文档所需的正则表达式答案

【问题标题】：Regular Expression Needed for XML DocumentXML 文档所需的正则表达式
【发布时间】：2011-12-27 00:41:36
【问题描述】：

需要单个正则表达式来查找

双空格
标签
额外输入（换行/回车）
标签之间换行
结束标签前后的空格

在 XML 文档中。

【问题讨论】：

我对正则表达式不太了解..请帮我处理一下紧急情况.. 对于双空格 n 选项卡，我放了 "( )|\t"

标签： c++ visual-c++ mfc

【解决方案1】：

一般来说，您需要一个 xml 解析器来处理 xml 文档。 Regular expressions are not powerful enough to handle all cases.

对正则表达式使用 perl 语法：

m{
  [ ][ ]  # double spaces
  |
  \t    # tab
  |    
  $\s*$  # extra enter separated only by whitespace. Note: requires `m` flag
  |  
  # XXX: it works only on simple xml
  <[^<>]*$[^<>]*> # line break inside tag
  |
  # XXX: it works only on simple xml
  [ ]</[^<>]+> |
  </[^<>]+>[ ] # space after/before closing tag
}mxg;

demo

【讨论】：

我在 Visual Studio 中使用 C++ 工作。假设是一个包含换行符的标签。将 ]*\s+$[^]*>为那个标签工作.. ?
@Chetan Patil：you can try it。如果您删除 \s+，它匹配。我已经编辑了答案。
感谢您的帮助。但我想在标签内找到 \n 以及在 \n. 等开始和结束标签之间找到
@Chetan Patil：这是regex to find \n inside tag and also between opening and closing tag。它适用于 xml 文档的 small 子集（文本中的 don't have <> in attributes 和 <。我什至没有提到 cmets、CDATA）。
：非常感谢您的帮助。现在最后一个问题：D 什么是 $，我可以用 \n 代替 $ 吗？

【解决方案2】：

很抱歉，这不会是一个很大的答案，但也许我可以提供一点帮助。现在对于步骤 1、2 和 3，这样匹配并不难

标签是\t

新行是 \r 或 \n

空白（空格、制表符或换行符）是 \s

所以 1 个标签：(\t) 两个空格 = (\s\s) 或 (\s{2}) 一个额外的行通常由连续的两个换行符找到，但有时它们可以用空格分隔，所以要小心... (\r\s*\r)|(\n\s*\n)

总而言之，步骤 1/2/3 是捕获组：

  (\r\s*\r)|(\n\s*\n)|(\t)|(\s{2})

但是 4 和 5 呢？

如果或者不是文档结构的一部分，它们都需要能够在正则表达式中回溯。这可能发生在无效的 XML 或 CDATA 部分等中。它变得复杂，但可以使用递归正则表达式来完成。但是我不知道支持递归的 c++ 中的正则表达式库。很抱歉，但手动解析字符串数据可能会容易得多。

现在一些正则表达式方言不同，所以你的里程可能会有所不同。供参考，虽然我倾向于使用 http://www.regular-expressions.info/quickstart.html

【讨论】：

thnx 寻求帮助，但它只是找到我正在为 xml 文档创建日志的选项卡，它会出现上述所有错误。
对于双倍空格和制表符，我使用 "()|\t" 对于其他我不知道。额外的输入是在 \n 之后找到 \n。所以你能告诉我吗？跨度>