如何编写正确的正则表达式来识别 XML 内容？答案

【问题标题】：How to write proper regex to recognize the XML content?如何编写正确的正则表达式来识别 XML 内容？
【发布时间】：2017-01-09 07:51:52
【问题描述】：

我有一些内容，我想知道它们是否是XML。怎么做？我只需要从方法返回类型中知道答案true 或false。我计划使用正则表达式，但愿意接受更好的建议。

XML内容如下，格式不变（可能分子ID会增加或减少），

<?xml version="1.0" encoding="UTF-8"?>
<molecules>
    <molecule id="1">
        <atoms>
            <atom id="1" symbol="C"/>
            <atom id="2" symbol="C"/>
            <atom id="3" symbol="N"/>
        </atoms>
        <bonds>
            <bond id="1" atomAId="1" atomBId="2" order="SINGLE"/>
            <bond id="2" atomAId="2" atomBId="3" order="DOUBLE"/>
        </bonds>
    </molecule>
     <molecule id="2">
        <atoms>
            <atom id="1" symbol="C"/>
            <atom id="2" symbol="C"/>
            <atom id="3" symbol="N"/>
        </atoms>
        <bonds>
            <bond id="1" atomAId="1" atomBId="2" order="SINGLE"/>
            <bond id="2" atomAId="2" atomBId="3" order="DOUBLE"/>
        </bonds>
    </molecule>
</molecules>

我使Regex 识别XML 如下，

public static final String REGEX_FOR_XML = "((<(\\S(.*?))(\\s.*?)?>(.*?)<\\/\\3>)|(<\\S(.*?)(.*?)(\\/>)))";

问题是它只匹配内部内容，而我想匹配整个内容。我使用这个验证器进行匹配，

public static boolean isValidXML(String inXMLStr) {

    if (inXMLStr == null || inXMLStr.isEmpty())
        return false;

    final Pattern pattern = Pattern.compile(Constants.REGEX_FOR_XML);
    if (pattern.matcher(inXMLStr).matches()) {
        return true;
    }
    return false;
}

如何更正Regex 以匹配XML 内容或如何做更好的选择？

【问题讨论】：

为什么不只解析 XML 而不是使用正则表达式？
帮自己一个忙，不要为此使用正则表达式。您似乎想要进行架构验证。也许这会对你有所帮助：docs.oracle.com/javase/tutorial/jaxp/dom/validating.html 请注意，我故意不写这个作为答案，因为它似乎是一个 X-Y 问题，并且该建议不能回答你的问题，但希望能解决你的问题。
@Baby 我不同意这个副本。他似乎没有尝试读取 XML 或从中获取值，而只是验证它。
没错，我认为它不是重复的。
忍不住链接到这个答案：stackoverflow.com/a/1732454/13075

标签： java regex xml

【解决方案1】：

关于使用 Regex 进行 XML-Parsing 有一个臭名昭著的答案，我不会链接（@Henrik 无论如何都会这样做；P）或进入。但底线：Regex 很少是进行 XML 验证（或解析）的好主意。

我建议你去这里：XML validation Oracle Docs

我想这应该是你想要的。看，在 Java 中，您可以使用 Schema-Validation 来验证 XML - 如果我正确阅读了问题，这就是您想要做的。

您需要做的是编写模式定义而不是正则表达式。这不仅是“正确而直接”的方式，而且维护起来也容易得多。这不是火箭科学，也不是，您的架构似乎很清晰，很容易浓缩成 xsd。还有一些工具可以帮助您做到这一点。不过，这些结果可能仍需要微调。

注意：我知道在 SO 上不鼓励“仅链接”答案，但资源太大而无法复制到答案（至少恕我直言）。此外，可能代表 Oracle 拥有一些版权。由于它是官方的 Oracle Docs，它应该也不会容易出现“断链”。

【讨论】：