正则表达式获得常量和模式的组合

Question

我正在研究一个正则表达式，它可以帮助我替换字符串中的模式。

我在流中的字符串很长，应用正则表达式后（查找模式，然后用常量值替换）我必须将字符串转发到我的 ETL 流中。

To find:
<customer attribute="any number">
 like <customer attribute="1">
and replace with:
<customer>. (basically just keep "customer" and delete everything) 

我是 Regex 的新手并正在学习它。

任何帮助！

Answer 1

请，请，请。 Don't use regular expressions to parse XML。

这是个坏消息。它既脆弱又笨拙，最重要的是 - 完全没有必要。

正则表达式不处理上下文。 XML 是关于上下文的。

XML 已经有一个更适合的查询语言xpath。

这是一个使用xpath查找节点的示例。

#!/usr/bin/env perl

use strict;
use warnings;
use XML::Twig;

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

print $twig -> get_xpath('//consumer', 0) -> att('attribute'),"\n";

但如果你想改造它并删除attribute：

$_ -> del_att('attribute') for $twig -> get_xpath('//consumer[@attribute]');
$twig -> set_pretty_print('indented_a');
$twig -> print;

不过我会问 - 你为什么要这样做？这听起来更像是某个地方的另一个损坏的过程——也许另一个脚本试图regex XML？

但是XML::Twig 做得很好的另一件事真正是它有twig_handlers 可以让您更整洁地处理 XML 流（例如，无需将其全部解析到内存中。

有点像这样：

#!/usr/bin/env perl

use strict;
use warnings;
use XML::Twig;

sub delete_unwanted {
    my ( $twig, $element ) = @_; 
    $element -> del_att('attribute'); 
    #dump progress so far 'out'. 
    $twig -> flush; 
    #free memory already processed. 
    $twig -> purge; 
}

my $twig = XML::Twig -> new ( twig_handlers => { '//consumer[@attribute]' => \&delete_unwanted } );
   $twig -> parsefile ( 'your_xml.xml'); 

我们设置了一个处理程序，以便每次解析器遇到带有attribute 属性的consumer。 （不好的名字）它删除它，flushes（打印）解析的 XML，并从内存中清除它。这使得它非常节省内存，因为您没有将整个内容读入内存，并且可以执行几乎所有内联正则表达式类型的操作。

Answer 2

输入：

<consumer attribute=\"1\"><birth-date>1990-07-23</birth-date> </consumer>;

my $element_name = "consumer";

my $str = "<consumer attribute=\"1\"><birth-date>1990-07-23</birth-date> </consumer>";

$str=~s/<($element_name)[^>]*attribute="[^\"]*"[^>]*>/<$1>/g;

print $str;

输出：

<consumer><birth-date>1990-07-23</birth-date> </consumer>