Working demo

Question

我正在尝试从下面提到的XML（可能有效或无效）中提取cxml，其中包含多个cxml标记。我想要最顶级的cxml及其子cxml标记，但是得到的结果与预期不符。
正则表达式：

public static String selectCxmlFromXml(String xml) {
    String cxml = "";
    Pattern pattern = Pattern.compile(".*(<cXML.*</cXML>).*", Pattern.DOTALL);
    Matcher matcher = pattern.matcher(xml);
    if (matcher.matches()) {
        cxml = matcher.group(1);
    }
    return cxml;
}

输入XML（这不是有效的XML）：

<!DOCTYPE cXML SYSTEM "http://xml.cxml.org/schemas/cXML/1.2.037/cXML.dtd">1532298890669-3937185683464996079@216.109.111.68
<cXML payloadID="1532333614215-4720337288049634328@216.109.111.11" timestamp="2018-07-23T01:13:34-07:00">
   <Response>
      <Status code="200" text="OK"/>
      <GetPendingResponse>
         <cXML
            payloadID="1532333614208-7005041222787302474@216.109.111.11" timestamp="2018-07-23T01:13:34-07:00">
            <Message>
               <DataAvailableMessage>
                  <InternalID domain="PendingMessages">140000000000000000010977255</InternalID>
               </DataAvailableMessage>
            </Message>
         </cXML>
      </GetPendingResponse>
   </Response>
</cXML>

预期的响应：

<cXML payloadID="1532333614215-4720337288049634328@216.109.111.11" timestamp="2018-07-23T01:13:34-07:00">
   <Response>
      <Status code="200" text="OK"/>
      <GetPendingResponse>
         <cXML
            payloadID="1532333614208-7005041222787302474@216.109.111.11" timestamp="2018-07-23T01:13:34-07:00">
            <Message>
               <DataAvailableMessage>
                  <InternalID domain="PendingMessages">140000000000000000010977255</InternalID>
               </DataAvailableMessage>
            </Message>
         </cXML>
      </GetPendingResponse>
   </Response>
</cXML>

响应得到（不正确）：

<cXML payloadID="1532333614208-7005041222787302474@216.109.111.11" timestamp="2018-07-23T01:13:34-07:00">
            <Message>
               <DataAvailableMessage>
                  <InternalID domain="PendingMessages">140000000000000000010977255</InternalID>
               </DataAvailableMessage>
            </Message>
         </cXML>
      </GetPendingResponse>
   </Response>
</cXML>

请注意，第一个cxml声明及其数据已被跳过。
如果我使用.*(<cXML.*?</cXML>).*，则仅选择内部cxml，而跳过外部cxml。

<cXML payloadID="1532333614208-7005041222787302474@216.109.111.11" timestamp="2018-07-23T01:13:34-07:00">
   <Message>
        <DataAvailableMessage>
           <InternalID domain="PendingMessages">140000000000000000010977255</InternalID>
        </DataAvailableMessage>
     </Message>
</cXML>

我在这里做错了什么？

Answer 1

经过一些摆弄，我遇到了这个正则表达式：

Traceback (most recent call last):
  File "SDK_communicator.py", line 3, in <module>
    sdkDll = WinDLL("C:\jhgsdk.dll")
  File "c:\python36\lib\ctypes\__init__.py", line 348, in __init__
    self._handle = _dlopen(self._name, mode)
OSError: [WinError 126] The specified module could not be found


from ctypes import *
sdkDll = WinDLL("C:\sdk.dll")

I also tried:
  C:\\sdk.dll
  C:\sdk.dll
  C:/sdk.dll

解释其实际作用：

(<cXML>|<cXML.+>(?:\s|.)*<\/cXML>)与开始标签匹配。可以包含或不包含属性。
<cXML>|<cXML.+>是一个 not-captureing-group ，它允许空白（(?:\s|.)*）和其他字母（\s）的每种组合都匹配。 / li>
.与结束标记匹配。

Working demo

Answer 2

如果您原本已接受-遵循，遵守，遵守-标准，协议，RFC等，则没有人应该发送无效的XML。请注意，可以在CDATA部分中发送非结构化数据。

但是，如果说有充分的理由要处理无效的XML，那么无效将是什么呢？以可预测的方式无效吗？让我们知道因为使用懒惰/贪婪的正则表达式可以（或者不可以）取决于内容的长度和正则表达式处理器。

如果您对顶级cXML感兴趣，请回答您的问题。我会简单地将字符串从从 String 开始的<cXML的第一次出现到从字符串的末尾（向后）的</cXML>的第一次出现的子字符串。您是否希望使用自闭合标签/>？

Answer 3

我发现我做错了。两件事：
1.使用find（）代替match（）
2.将正则表达式更改为(<cXML.*</cXML>)，它将捕获整个cXML

新方法将是：

public static String selectCxmlFromXml(String xml) {
    String cxml = "";
    Pattern pattern = Pattern.compile("(<cXML.*</cXML>)", Pattern.DOTALL);
    Matcher matcher = pattern.matcher(xml);
    if (matcher.find()) {
        cxml = matcher.group(1);
    }
    return cxml;
}

Answer 4

这个问题已经有了很好的答案，但是我想分享这个网站：

http://www.regexplanet.com/advanced/java/index.html

在用Java编写正则表达式时确实很有帮助。每当需要写一些奇怪的正则表达式时，我都会用它。

希望这会有所帮助。

正则表达式以匹配来自多个相似标签的标签数据

4 个答案:

Working demo