Question

我正在寻找从XML文件中删除空元素，因为读者需要一个值。它不是零xsi:nil="true"或没有内容<Element /> Deserialize Xml with empty elements in C#的元素。但是内部部分缺少的元素<Element></Element>

我已经尝试编写自己的代码来删除这些元素，但我的代码太慢而文件太大了。每个项目的结尾也将包含此模式。因此，以下正则表达式将删除有效的xml：
@"<.*></*>

我需要某种正则表达式，以确保两个*的模式是相同的。

所以：

<Item><One>1</One><Two></Two><Three>3</Three></Item>

会变成：

<Item><One>1</One><Three>3</Three></Item>

因此，这一切都是一行的事实使得这更难，因为这意味着项目的结尾是在三结束之后，产生了我想要寻找的模式。

我无法访问允许重新创建有效xml的原始数据。

Answer 1

您希望在< ... >内capture word characters一个或多个See demo at regex101，并使用\1反向引用匹配结束标记第一组捕获的内容。

<(\w+)></\1>

Answer 2

AFAIK 无需捕获任何群组，因为<a></b>（与未捕获的简单正则表匹配）只是无效的XML ，它可以＆＃ 39;在你的文件中（除非你在这种情况下解析HTML - 即使可以完成 - 我建议不要使用正则表达式）。只有在您匹配非空节点时才需要捕获组，但不是您的情况。

请注意，您的正则表达式存在问题（除了未转义的 / ），因为您将任何字符与匹配。但它不允许在XML标记中包含任何字符。如果您绝对想要使用.*，那么它应该是.*?，您应该排除 / 。

我要做的是保持正则表达式尽可能简单（仍然匹配有效的XML节点名称，或者 - 甚至更好 - 只有你知道的数据输入）：

<\w+><\/\w+>

您应该/可以更好地检查标记名称，例如\s*[\w\d]+\s*可能会稍好一些，对于非常大的文件，使用较少步骤的正则表达式执行更好。您还可以在开始和结束标记之间添加可选的换行符。

请注意，您可能需要循环直到不再进行替换，例如，如果您有<outer><inner></inner></outer>并且您希望将其缩减为空字符串（特别是在这种情况下请勿忘记）编译你的正则表达式。）

Answer 3

使用XML Linq

string xml = "<Item><One>1</One><Two></Two><Three>3</Three></Item>";
            XElement item = XElement.Parse(xml);
            item = new XElement("Item", item.Descendants().Where(x => x.Value.Length != 0));

使用与序列匹配两次的正则表达式从xml中删除空元素

3 个答案: