使用正则表达式获取 XML 父标签答案

【问题标题】：Get XML parent tag with regular expressions使用正则表达式获取 XML 父标签
【发布时间】：2015-09-30 08:46:22
【问题描述】：

我知道正则表达式并不是从 XML 文件中提取信息的最佳方式，但在这种情况下，我最好使用正则表达式，因为在我的程序结构中，它们也用于从 XML 文件中提取信息不同类型的文件（文本、程序代码等）

假设我们有以下 XML 代码：

<modules>
    <Orba_Sheepla>
        <!-- module version -->
        <version>0.9.25</version>
    </Orba_Sheepla>
</modules>

在这种情况下，我需要的是“Orba_Sheepla”。我一般需要的是<version> 标签（即父标签）上方的标签。同一级别的标签前后可能还有其他标签。我需要确保找到包含<version> 标签的标签（或者更确切地说：标签的名称）。

我尝试了不同类型的正则表达式，但我似乎无法写出正确的表达式。我可以以某种方式告诉表达式匹配以下“TAG ABC”吗？

<TAG ABC>
    anything
    <version>anything</version>
    anything
</THE VERY SAME TAG ABC>

当然，也欢迎其他解决方案！

【问题讨论】：

那么，在XML语言中，需要获取版本节点父标签名，对吧？有了 XML 解析器，就真的很简单了。
是的，我需要父标签，是的，使用解析器真的很容易。但是，我不能在这里使用解析器，除非为了匹配这个特定的情况而改变我的程序结构。
能否请您展示您尝试过的内容。很多爱
正则表达式解决方案效率低下、太难读或太“脆弱”。不，我怀疑任何人都能够正确回答您的问题。使用 XML 解析器，是一个具有前瞻性的解决方案。想象一下，您需要获得其他类似的值，然后，您将拥有一个高度可定制的解决方案。要么添加编程语言标签，要么关闭问题。
这是最接近仍然有效的解决方案：'\\s+\\s+.+' 但是当然这个仅考虑空格，而不考虑其他标签或 cmets。但是，当我用 .+? 替换 \\s+ 时，它会停止返回匹配项，我不确定为什么。

标签： python regex xml

【解决方案1】：

标记上一级<version>
我最好使用正则表达式
我不能在这里使用解析器

您应该使用 XML 解析器！它更简单、更健壮，而且重构不需要很大的努力。使用lxml，您拥有getparent() 函数并且XPath 1.0 已完全实现。
^{感谢stribizhev 的推荐，这应该被注释掉}

无论如何，这里有一个解决方法，适用于最简单的情况（并且在许多实际示例中都会失败）。

当且仅当您的 XML 正确缩进时，您才能捕获具有较低缩进级别的下一个结束标记。

正则表达式：

(?smi)^([ \t]+)<version>.*?^(?!\1)[ \t]*</([^\s>]+)

捕获组 2 中的结束标记。
它的作用是：

^([ \t]+) 捕获前面的空格
<version>你想要的标签
.*?^ 然后找到下一行
(?!\1)[ \t]* 缩进较少
</([^\s>]+) 并捕获结束标记

代码：

import re

text = '''
<modules>
    <Orba_Sheepla>
        <!-- module version -->
        <version>0.9.25</version>
    </Orba_Sheepla>
</modules>'''

pattern = re.compile( r'^([ \t]+)<version>.*?^(?!\1)[ \t]*</([^\s>]+)', re.I | re.S | re.M)
match = pattern.search(text)

if match:
    print(match.group(2))

输出：

Orba_Sheepla

regex101 Demo ideone Demo

【讨论】：

请注意：在此解决方法中，假定您的 XML 已正确缩进。这些假设在现实生活中成倍增加。使用lxml，你有getparent() 函数并且完全实现了XPath 1.0。对于这种解决方法，我被高度评价。
确实，这是一种廉价的解决方法。我认为这已经足够清楚了，尽管我刚刚在答案中添加了评论。