我正在寻找一个正则表达式从一组xml文档中删除以下doctype声明:
<!DOCTYPE refentry [ <!ENTITY % mathent SYSTEM "math.ent"> %mathent; ]>
<!DOCTYPE book PUBLIC "-//OASIS//DTD DocBook MathML Module V1.1b1//EN"
"http://www.oasis-open.org/docbook/xml/mathml/1.1CR1/dbmathml.dtd">
这是关于stackoverflow和其他地方的一个非常常见的问题,但没有一个答案实际上能够处理这两种情况。
<!DOCTYPE((.|\n|\r)*?)(\"|])>
的天真方法会正确匹配第二种情况,但第一种情况会失败(它会在第一种情况下停止">
并使%mathen; ]>
无法匹配。)如果我尝试使正则表达式更贪婪,它会尝试使用整个文档。
完成测试用例:
答案 0 :(得分:5)
编辑:修正了评论匹配,感谢TheFiddler
嗯,你可以使用像(不完全漂亮)的东西;
<!DOCTYPE[^>[]*(\[[^]]*\])?>
匹配<!
以及>
或[
以及[]
所包围的可选部分,后跟最终>
更多细节;
<!DOCTYPE -- matches the string <!DOCTYPE
[^>[]* -- matches anything up to a > or [
(\[[^]]*\])? -- matches an optional section surrounded by []
> -- matches the string >
答案 1 :(得分:1)