时间戳

首页 > 解决方案 > 正则表达式处理 XML 标记 - 需要帮助

regex - 正则表达式处理 XML 标记 - 需要帮助

问题描述

我有一些我正在尝试清理的伪 XML，而且我已经完成了大部分工作，但是标签中的大小写存在问题。

我的来源看起来像这样......

<?xml version="1.0" encoding="UTF-8"?>
<root>
  <float_node>1.0</float_node>
  <text_node>Pack My Box</text_node>
  <UPPER_NODE>With Five Dozen</UPPER_NODE>
  <MiXeD_NoDe>SCSG1</MiXeD_NoDe>
  <!-- Comment should not be changed -->
  <GRANDPARENT>
    <PARENT>
      <Child1>Liquor Jugs</Child1>
      <Child2 with-attribute="Pangrams">Jackdaws Love</Child2>
    </PARENT>
    <PARENT>
      <Child1>My Big Sphinx</Child1>
      <Child2 with-attribute="Are Great">Of Gold</Child2>
    </PARENT>
  </GRANDPARENT>
</root>

但我想要的是这个……

<?xml version="1.0" encoding="UTF-8"?>
<root>
  <float_node>1.0</float_node>
  <text_node>Pack My Box</text_node>
  <upper_node>With Five Dozen</upper_node>
  <mixed_node>SCSG1</mixed_node>
  <!-- Comment should not be changed -->
  <grandparent>
    <parent>
      <child1>Liquor Jugs</child1>
      <child2 with-attribute="Pangrams">Jackdaws Love</child2>
    </parent>
    <parent>
      <child1>My Big Sphinx</child1>
      <child2 with-attribute="Are Great">Of Gold</child2>
    </parent>
  </grandparent>
</root>

到目前为止，我有这个模式......

<(.+)( .+)?>(.*)<\/\1>

而这个替代...

<\L$1$2>$3</\L$1>

但输出是错误的......

<?xml version="1.0" encoding="UTF-8"?>
<root>
  <float_node>1.0</float_node>
  <text_node>pack my box</text_node>
  <upper_node>with five dozen</upper_node>
  <mixed_node>scsg1</mixed_node>
  <data_format>excel</data_format>
  <!-- Comment should not be changed -->
  <GRANDPARENT>
    <PARENT>
      <child1>liquor jugs</child1>
      <child2 with-attribute="pangrams">jackdaws love</child2>
    </PARENT>
    <PARENT>
      <child1>my big sphinx</child1>
      <child2 with-attribute="are great">of gold</child2>
    </PARENT>
  </GRANDPARENT>
</root>

\L 小写字母被应用于标签内容和属性以及标签，即使替换字符串有 $2 和 $3 不同且未更改。

嵌套节点被忽略。只有最里面的节点被改变。我应该如何管理层次结构？

谁能告诉我我的模式或替换在哪里失败？

我正在使用 Regex101 来帮助构建正则表达式模式和测试... https://regex101.com/r/Oeshto/3

（我使用 Notepad++ 进行实际工作，因为我的首选编辑器（VSCode）不处理所需的 \L 转换。）

标签： regexxml

解决方案

以下是满足您需求的正则表达式。我确信一些 reg-ex 向导可以优化或使这些更好，但他们似乎完成了工作。（已编辑，我已经删除了我对 PEAR 包的建议，因为当您只要求正则表达式时，这完全是无稽之谈）

Regular Expression.: /(<\/?[^!][^>]+)/g  ( Change all tags+attributes )
Regular Expression.: /(<\w+|<\/\w+)/g    ( Change only tags )
Substitution.......: \L$1

不要忘记全局标志，这样它就不会在第一个结果后返回。这应该匹配所有标签。

推荐阅读