regex - 日志文件的正则表达式

Question

我有这样的日志文件：

<CL>
text sample1
<CL>
<CL>
<TR></TR>
</CL>
<CL>
<CL>
<CL>
<TR1></TR1>
</CL>
<CL>
text sample2
<CL>
text sample3
<CL>
<TR1>
<TR2></TR2>
</TR1>
</CL>

我需要编写从该文件返回有效 xml 的正则表达式。我需要这个结果：

<CL>
<TR></TR>
</CL>

<CL>
<TR1></TR1>
</CL>

<CL>
<TR1>
<TR2></TR2>
</TR1>
</CL>

这个变量对我不起作用：

<CL>[\s\S]*?(<CL>[\s\S]+?</CL>)

提前致谢。

Answer 1

正如我所经历的，正则表达式对于 XML 文件的验证、解析和读取并不是那么好。

最好使用 DOM PARSER 解决方案来解决这个问题。他们中的大多数都有验证方法。在 php 中：http: //php.net/manual/en/book.simplexml.php（很多工作与此）

或 PHP 简单 HTML DOM 解析器：http ://simplehtmldom.sourceforge.net/ （只需读取 xml 文件并打印从 xml 创建的对象，并获取有效的 xml 结构，因为我记得它不仅适用于 HTML 结构） java: JSOUP 库http://jsoup.org/（与 php 中的 simpledom 几乎相同）

首先，一个有效的 xml 文件应该包含一个根标记（就像 html 文件中的 HTML 标记一样，它包装了文档）

我希望这可以帮助你

Answer 2

此正则表达式适用于您的示例

"<CL>((?!<CL>).)*?(?:<TR[\\d]*?>)+.*?(?:</TR[\\d]*?>)+.*?</CL>"

请注意，依赖于编程语言，您应该设置Singlelineregex 选项以使此 regex 工作

在某些语言中编辑不需要转义\d，所以也试试

"<CL>((?!<CL>).)*?(?:<TR[\d]*?>)+.*?(?:</TR[\d]*?>)+.*?</CL>"

EDIT2如果您只想捕获 cl 标签内容，您可以简单地使用：

<CL>((?!<CL>).)*</CL>