XML中换行符的正则表达式

Question

我正在拼命想办法解决这个问题，但没有运气。我正在尝试在 Postgres 中解析这些 XML 数据：

<map>
  <entry>
    <string>id</string>
    <string>555</string>
  </entry>
  <entry>
    <string>label</string>
    <string>Need This Value</string>
  </entry>
  <entry>
    <string>key</string>
    <string>748</string>
  </entry>
</map>

我试图在<string>label</string> 之后立即获取string 元素中的值。请注意，我正在使用的 Postgres 版本没有安装 XML (libxml) 函数。

我尝试了很多变体：

substring(xmlStringData from E'<string>label</string>\\n<string>(.*?)</string>')

但没有运气。

Answer 1

xpath() 将是这里的正确工具。 因为，你知道...

• RegEx match open tags except XHTML self-contained tags

当你陷入不幸的境地时，这可以解决问题：

WITH t(x) AS (SELECT '<map>
  <entry>
    <string>id</string>
    <string>555</string>
  </entry>
  <entry>
    <string>label</string>
    <string>Need This Value</string>
  </entry>
  <entry>
    <string>key</string>
    <string>748</string>
  </entry>
</map>'::text
)
SELECT substring(x, '<string>label</string>[\s]*?<string>(.*?)</string>')
FROM  t

返回：

substring
---------------
Need This Value

正则表达式解释：

<string>label</string> .. 找到位置
[\s].. 空格（包括\n 和\r）
*? .. 这样做“非贪婪”，所以忽略空格直到 ...
<string>.. 下一个字符串元素
(.*?) .. 捕获括号，任何字符，非贪婪
</string> .. 直到下一次出现结束标记

这是中途可靠的，除非您使用非常规的 XML 格式 - 这就是为什么您应该使用 XML 解析器以 ...

Answer 2

所以我似乎明白了。我只需要考虑换行符后的空格。解决方案是：

substring(event_data from E'<string>label</string>\\n\\s*?<string>(.*?)</string>')

Answer 3

如果您的<entry> 列表不可变。您可以使用以下正则表达式并在第 4 场比赛中访问捕获组来获取内容。

<string>(.*?)<\/string>

Working demo

另一方面，如果您想在第一场比赛中访问，您可以使用以下正则表达式：

<string>id<\/string>|<string>\d+<\/string>|<string>label<\/string>|<string>(.*?)<\/string>

Working demo