XML中的正则表达式替换

Question

我是使用 XML 的新手，没有受过太多培训。我正在尝试正确格式化自定义报告中的文本。我有这一行：

.replace(/(<([^>]+)>)/ig, "\n")

并希望完全了解它在做什么。我知道一个新行正在替换括号中的内容。具体来说，这是在寻找什么？

([^>]+)>)

编辑（来自 cmets）：

这是完整的表达式（为便于阅读重新格式化）。

<expression name="expression" type="javascript">
  (
    dataSetRow["Question_Employee_Comment"] +
    dataSetRow["Question_‌​Manager_Comment"]
  )
    .replace(/(&lt;([^>]+)>)/ig, "\n")
    .replace(/null/ig, "")
    .replace(/&amp;amp;/g, "&amp;")
    .replace(/&amp;#39;/g,"'")
    .replace(/&amp;nbsp;/g," ")
    .replace(/•/g,'\n•')
</expression>

这里是这个表达式正在查看的 XML（为便于阅读而包装）：

<wd:Question_Employee_Comment>
    &lt;p>I don't even know where to start... Cupid wasn't @ his desk on 2/14/2015
    and I'm really upset because I've been really patient with his personal needs.
    Santa &amp;amp; I sat him down and have discussed why his attendance is important
    to success.&lt;/p>&lt;p>&lt;/p>&lt;p>He's been absent
    on:&lt;/p>&lt;ul>&lt;li>3/19/15&lt;/li>&lt;li>March 20,
    2015&lt;/li>&lt;li>05/01/2015&lt;/li>/ul>&lt;p>&lt;/p>&lt;p>All
    additional dates will be documented.&lt;/p>
</wd:Question_Employee_Comment>

Answer 1

这个正则表达式（或regexp）可以分解如下。

(<([^>]+)>)

括号用于分组。

有时它们被用来记忆匹配项以在以后的工作中使用，尽管我在这个有限的代码示例中看不到任何证据。

有时它们用于允许多种选择（例如(a|b|c)，但我在这里也看不到。

由于括号在这个表达式中没有任何作用，至少没有匹配，让我们忽略它们。剩下的就是：

<[^>]+>

其中一半只是要匹配的文字字符。匹配的开头必须是文字 4 字符字符串 <，字符串结尾是文字字符 >。中间是唯一的正则表达式位。

[^>]+

方括号表示一个字符类。在一个字符类里面，如果^是第一个字符，就像这里一样，那么它就是一个逆字符类，也就是“匹配不的东西em>这些东西”。所以，这个字符类说“匹配不是>的东西。”

字符类后面的+称为量词，意思是“一个或多个这个东西”。

因此，合起来表示“一个或多个不是> 的东西。”

整个表达式的意思是：匹配< 后跟一个或多个不是> 的东西，后跟一个>。

表达式后面是两个标志，i 和 g。 i 表示不区分大小写匹配。它在这里没有做任何事情，因为您的表达式没有匹配的字母字符。 g 标志的意思是全局匹配，即如果对输入有多个匹配，则全部匹配，而不是只匹配第一种情况。

现在，看看您的示例 XML，我相信表达式会进行一些编辑。请注意，您仅发布了 <wd:Question_Employee_Comment> 的内容，但表达式实际上是在该内容和 <wd:Question_Manager_Comment> 的内容上运行，如果它有值的话。我不会在这里评论<wd:Question_Manager_Comment>，因为你没有发布它包含的内容。

1. I don't even 之前的前导 <p> 将被换行符替换。
2. 在important to success 之后，</p><p></p><p> 将被 4 个换行符替换。
3. 在absent on 之后，</p><ul><li> 将被 3 个换行符替换。
4. 在 3/19/15 之后，</li><li> 将被 2 个换行符替换。
5. 在 March 20, 2015 之后，</li><li> 将被 2 个换行符替换。
6. 在5/01/2015 之后，</li> 将被换行符替换。
7. 就在All additional 之前，`

   将被 3 个换行符替换。

8. 最后，</p> 将被换行符替换。

请注意，表达式/ul> 遗漏了其中的部分标记。

结果：

<wd:Question_Employee_Comment>
    \nI don't even know where to start... Cupid wasn't @ his desk on 2/14/2015
    and I'm really upset because I've been really patient with his personal needs.
    Santa &amp;amp; I sat him down and have discussed why his attendance is important
    to success.\n\n\n\nHe's been absent
    on:\n\n\n3/19/15\n\nMarch 20,
    2015\n\n05/01/2015\n/ul>\n\n\nAll
    additional dates will be documented.\n
</wd:Question_Employee_Comment>

来自您特别询问的.replace()。进一步的工作也是通过完整的表达式来完成的，比如将&固定为&，其他的事情都做完了。我没有在这里进行所有这些转换，因为这些不是您提出的核心问题的一部分，但如果您不理解这些部分，可以详细说明。