Question

我有一个大型XML，如下所示：

<gender>M</gender>
<last-name>*</last-name>
<profession>2165dda2-dc59-41af-acb5-06d8914c4841</profession>
<first-name>*</first-name>
<mail-confirmation>1</mail-confirmation>
<fax-confirmation>1</fax-confirmation>

我只想保留标签。我找到了一种搜索标签的方法，如下所示：

<profession[^>]*>([^<]*?)</profession>

但我如何搜索其外的所有内容？我试图翻转它，如：

</profession[^>]*>([^<]*?)<profession>

或

</profession>([^<]*?)<profession[^>]*>

但这不起作用。

Answer 1

不要使用正则表达式来解析XML。使用XML解析器：

#!/usr/bin/perl

use strict; use warnings;

use XML::LibXML::Reader;

my $reader = XML::LibXML::Reader->new(IO => \*DATA)
    or die "Cannot read from \\*DATA\n";

while ( $reader->read ) {
    print $reader->readInnerXml if $reader->localName eq 'profession';
}

$reader->finish;
print $reader->document->toString(1);

__DATA__
<person>
<gender>M</gender>
<last-name>*</last-name>
<profession>2165dda2-dc59-41af-acb5-06d8914c4841</profession>
<first-name>*</first-name>
<mail-confirmation>1</mail-confirmation>
<fax-confirmation>1</fax-confirmation>
</person>

输出：

C:\Temp> t
2165dda2-dc59-41af-acb5-06d8914c4841

请参阅XML::LibXML::Reader。

Answer 2

严格来说，你不能用正则表达式解析XML。

使用sed的快速和肮脏的解决方案是用专业来打线，然后替换“职业” 和“/ professional”与“”（标记正在剥离＆lt;＆gt;）

Answer 3

您可以考虑使用XSL来选择值。例如，从XML创建以逗号分隔的职业列表。

<xsl:stylesheet version='2.0' xmlns:xsl='http://www.w3.org/1999/XSL/Transform'>
    <xsl:output method="text" />
    <xsl:template match='/'>
        <xsl:for-each select="person">
          <xsl:value-of select="profession" /><xsl:text>,</xsl:text>
        </xsl:for-each>
    </xsl:template>
</xsl:stylesheet>

Notepad ++有一个XML插件，可以针对打开的文件运行XSL。（插件＆gt; XML工具＆gt; XSL转换）

Answer 4

怎么样？

# Perl
$xml =~ s/^<profession>.*<\/profession>$/<profession><\/profession>/m;

请确保使用多线修改器。

正则表达式：将所有内容保存在<profession> </profession>标签中

4 个答案: