0

我有一些看起来像的 xml：

<records>
  <Customer>
    <Reference>123</Reference>
    <Name>John Smith</Name>    
    <Address1>1, The street</Address1>
    <Address2>Upper Town Street</Address2>
    <Address3>Anytown</Address3>
    <Address4>County</Address4>
    <PostCode>POS TCD</PostCode>
  </Customer>
</records>

但对于其中 Address2 是可选的，所以这也是有效的：

<records>
  <Customer>
    <Reference>123</Reference>
    <Name>John Smith</Name>    
    <Address1>1, The street</Address1>
    <Address3>Anytown</Address3>
    <Address4>County</Address4>
    <PostCode>POS TCD</PostCode>
  </Customer>
</records>

（注意：这是一个缩减的 xml 片段）

当指定 Address2 时，我有以下正确匹配的正则表达式：

<Reference>(?<Reference>.*)</Reference>[\w|\W]*<Name>(?<Name>.*)</Name>[\w|\W]*<Address1>(?<Address1>.*)</Address1>[\w|\W]*<Address2>(?<Address2>.*)</Address2>

它不适用于未指定 Address2 的情况。我得到的最接近的是以下内容：

<Reference>(?<Reference>.*)</Reference>[\w|\W]*<Name>(?<Name>.*)</Name>[\w|\W]*<Address1>(?<Address1>.*)</Address1>[\w|\W]*(<Address2>(?<Address2>.*)</Address2>)?

它匹配并填充两个 xml 片段的参考、名称和地址 1，但在两种情况下都将地址 2 留空，而不是第一个片段的地址 2 的值为上城街。

另外：我知道使用 xml 解析器可能会更容易，但 xml 并不干净，这应该是一个快速简单的解决方案（！）。我也知道我可以将其分解为一组正则表达式来解决，但这现在已成为一个智力挑战。我很想有一个解决方案。

4

2 回答 2

2

不要使用，而是修复损坏的并在最有趣的问题上使用你的思想 =)

不是解析文件的正确工具。2013年解析是已解决的问题，不要试图重新发明轮子。

就像您已经说过的，使用XML 解析器。如果您希望我给您其中一些，请在您的原始帖子中添加您的语言。

我知道解析和的最好方法是。

请参阅RegEx 匹配打开的标签，XHTML 自包含标签除外

于 2013-03-27T14:39:58.743 回答
1

快速而肮脏的答案：

<Reference>(?<Reference>.*)</Reference>[\w\W]*?<Name>(?<Name>.*)</Name>[\w\W]*?<Address1>(?<Address1>.*)</Address1>[\w\W]*?(<Address2>(?<Address2>.*)</Address2>)?

首先，我删除了|; 它没有伤害任何东西，但它是不必要的。 [\w\W]已经意味着一个单词字符，或者一个不是单词字符的字符。像大多数其他元字符一样，|在字符类中失去了它的特殊含义，只匹配它自己。

但重点是将*改为*?，使其不贪婪。每个[\w\W]*最初都会吞噬整个文本的其余部分，然后回溯，以便它可以匹配下一个需要的部分（例如，<Name>(?<Name>.*)</Name>）。但是这Address2部分不是必需的，所以正则表达式引擎不会费心回溯来接受它。

使量词非贪婪会颠倒优先级：在它吞噬下一个字符之前，它首先尝试匹配正则表达式的下一部分。这确保了该Address2行在存在时得到匹配，即使它是可选的。

但是，如果您的 XML 确实按照您显示的方式进行了格式化，那么元素之间的所有内容都是空格。我只会使用\s*，而不必担心它匹配太多或太少。

于 2013-03-27T17:12:15.110 回答