Question

您如何使用正则表达式找到重复的字符串的值以及它之间的数据？例如，采用这段XML：

<tagName>Data between the tag</tagName>

找到这些值的正确正则表达式是什么？（注意tagName可以是任何东西）。

我找到了一种方法，可以查找位于一组tagName之间的所有< >，然后从开始标记中搜索tagName的第一个实例到字符串的末尾，然后找到结束</tagName>并计算它们之间的数据。然而，这非常效率低且复杂。必须有一个更简单的方法！

编辑：请不要告诉我使用XMLReader;我怀疑我是否会使用我的自定义类来阅读XML，我试图通过尝试自己来学习最好的方法（以及错误的方法）。

提前致谢。

Answer 1

您可以使用：<(\w+)>(.*?)<\/\1>

组＃1是标签，组＃2是内容。

Answer 2

使用正则表达式解析XML是一个可怕的错误。

这很有效（它不会将XML解析为DOM）并且足够简单：

string s = "<tagName>Data between the tag</tagName>";

using (XmlReader xr = XmlReader.Create(new StringReader(s)))
{
    xr.Read();
    Console.WriteLine(xr.ReadElementContentAsString());
}

修改

由于这里的实际目标是通过实践来学习，而不是仅仅完成工作，这就是为什么使用正则表达式不起作用：

考虑这个相当简单的测试用例：

<a><b><a>text1<b>CDATA<![<a>text2</a>]]></b></a></b>text3</a>

该XML中有两个标记名为“a”的元素。第一个具有一个值为“text1”的文本节点子节点，第二个具有一个值为“text3”的文本节点子节点。此外，还有一个“b”元素，其中包含一个看起来像“a”元素的文本字符串，但不是因为它包含在CDATA部分中。

您无法使用简单的模式匹配来解析它。找到<a>并展望未来</a>并不会开始来做你需要的事情。您必须在找到它们时将开始标记放在堆栈上，并在到达匹配的结束标记时将它们从堆栈中弹出。当你遇到CDATA部分的开始时，你必须停止将任何东西放在堆栈上，并且在你遇到结束之前不要重新开始。

而且没有在问题中引入空格，空元素，属性，处理指令，注释或Unicode。

Answer 3

您可以使用\1等反向引用来引用之前的匹配：

@"<([^>]*)>(.*)</\1>"

\1将匹配第一个带括号的组所捕获的内容。

Answer 4

使用Perl：

my $tagName = 'some tag';
my $i; # some line of XML
$i =~ /\<$tagName\>(.+)\<\/$tagname\>/;

其中$ 1现在填充了您捕获的数据

Answer 5

前进，如果你遇到困难，请查看regexlib.com

当我遇到正则表达式时，这是我去的第一个地方

如何使用正则表达式找到重复的字符串和它们之间的值？

5 个答案: