RegEx用于挖掘XML标记内容

Question

论坛成员， 我正在使用最新的NotePad ++。我有430个单独的XML文件，我的目标是创建一个＆＃34; dmcode＆＃34;所有430个XML文件的列表。 dmcode标识每个XML文件，看起来像下面显示的示例代码。我需要帮助开发一个正则表达式，它将获取位于<dmCode开始标记和结束/>终止符之间的dmcode标记内容。此外，我只需要将此提取仅应用于<dmIdent>标记后面的dmcode标记。换句话说，任何前面没有<dmIdent>标记的dmcode标记都不会出现在我的NotePad ++搜索结果列表中。这样的正则表达式是否可以从许多XML文件中提取目标数据？

<dmIdent> <dmCode assyCode="00" disassyCode="00" disassyCodeVariant="00" infoCode="042" infoCodeVariant="A" itemLocationCode="O" modelIdentCode="SASA" subSubSystemCode="6" subSystemCode="0" systemCode="A03" systemDiffCode="XY"/>

作为替代方案，我一直在研究使用XPath表达式来完成相同的任务。但是，我似乎无法找到一个NotePad ++ XPath插件，它允许我通过使用XPath表达式而不是正则表达式来指定我想从430 XML文件中提取的数据。如果有人能提供一个XPath表达式的例子，我将也会感激它，它将执行我试图通过使用正则表达式完成的相同任务。

任何帮助将不胜感激。

Answer 1

我知道XPath有插件，但我不知道允许你搜索多个文件的插件。以下XPath将<dmCode>中的所有属性与根元素<dmIdent>的子项匹配：

/dmIdent/dmCode[@*]

  

我需要帮助开发一个正则表达式，它将获取位于<dmCode开始标记和结束/>终结符之间的dmcode标记内容。此外，我只需将此提取仅应用于dmCode标记后面的<dmIdent>标记。

这适用于最简单的情况，其中：

• <dmCode>是<dmIdent>
的第一个孩子
• 没有任何评论，CDATA标签或类似的构造可能导致其失败。

(?i)<dmIdent>\s*<dmCode \K[^"/>]*(?>(?:"[^\\"]*(?:\\.[^\\"]*)*"|/(?!>))[^"/>]*)*(?=/>)

regex101 demo

匹配

• (?i)<dmIdent>\s*<dmCode两个标签都用空格（不区分大小写）
• \K重置匹配的文字
• [^"/>]*除"，/或>
以外的任何字符
• 和循环：
  引号中的
  • "[^\\"]*(?:\\.[^\\"]*)*"文字或
  • /(?!>) /后面没有>
  • 后跟前一个[^"/>]*
• (?=/>)所有后跟/>