使用正则表达式从 xml 标签中删除选择的字符答案

【问题标题】：Remove select characters from xml tags using regex使用正则表达式从 xml 标签中删除选择的字符
【发布时间】：2018-05-18 20:09:50
【问题描述】：

我正在尝试仅从 xml 标签中删除选择的字符 + 后面的任何数字 + 进行中的 : .. 例如： <ns2:projectArea alias= 应该看起来像 <projectArea alias= <ns9:name> 应该看起来像 <name>

基本上，数字将是随机的（从 1 到 9 中的任何数字），并且总会有一个必须删除的进程 :。

到目前为止我所拥有的是：

import argparse
import re

# Initiates argument
parser = argparse.ArgumentParser()

parser.add_argument("--input", "-i", help="Set the input xml to clean up")
parser.add_argument("--output", "-o", help="Set the output xml location")

args = parser.parse_args()
inputfile = args.input
outputfile = args.output
if args.input:
  print("inputfile location is %s" % args.input)
if args.output:
  print("outputfile location is %s" % args.output)
# End argument

text = re.sub('<[^<]+>', "", open(inputfile).read())
with open(outputfile, "w") as f:
    f.write(text)

这段代码就是问题所在：'<[^<]+>' 它会删除整个标签，所以如果我以后需要搜索文本，基本上必须搜索纯文本而不是标签。

我可以用什么替换'<[^<]+>' 将删除ns + 后面的数字（不管它可能是什么数字）+ 后面的:？

【问题讨论】：

/[a-zA-Z]+[0-9]: 但是这是假设您只想搜索一位数字
试试：(?<=<)ns[0-9]+:(?=[^>]*?>)
停止尝试使用正则表达式解析 XML/HTML，并改用 DOM 解析器。（并且 选择字符 被称为命名空间。）
r'<([^:]+):.*?>' 或允许在再次转储之前杀死命名空间的解析器
@Matt.G 实际上工作得几乎完美.. 但是，带有/ 的结束标签不会被删除，除非我将它添加到节中，例如：(?<=<)/ns[0-9]+:(?=[^>]*?>) 有没有办法让它删除/ns...（如果存在）？

标签： python regex xml

【解决方案1】：

这可能是由于正则表达式而发生的。尝试改用这个正则表达式：

   text = re.sub('^<[a-zA-Z0-9]+:','<',open(inputfile).read())

【讨论】：

【解决方案2】：

这行得通：

查找r"<(?:(?:(/?)\w+[1-9]:(\w+\s*/?))|(?:\w+[1-9]:(\w+\s+(?:\"[\S\s]*?\"|'[\S\s]*?'|[^>]?)+\s*/?)))>"
替换<$1$2$3>

https://regex101.com/r/yRhMI9/1

可读版本：

 <
 (?:
      (?:
           ( /? )                        # (1)
           \w+ [1-9] :
           ( \w+ \s* /? )                # (2)
      )
   |  (?:
           \w+ [1-9] :
           (                             # (3 start)
                \w+ \s+ 
                (?: " [\S\s]*? " | ' [\S\s]*? ' | [^>]? )+
                \s* /?
           )                             # (3 end)
      )
 )
 >

【讨论】：

【解决方案3】：

正则表达式：(?:(?<=<)|(?<=<\/))(ns[0-9]+:)(?=[^>]*?>)

Demo

【讨论】：