用正则表达式美化Beautifulsoup生成的xml

Question

我正在尝试获取有效的漂亮打印xml，以便将其进一步传递给Ticks and Frames: 60 (should be "Saving...Did delete file: true/false")

但是，BeautifulSoup“修饰”的xml看起来像这样：

requests

描述这样混乱的输出的简便方法，here

...
 <typ>
  TYPE_1
 </typ>
 <rte>
  AL38941XXXXX
 </rte>
 <sts>
  ADDED
 </sts>
...

给出：

text_re = re.compile('>\n\s+([^<>\s].*?)\n\s+</', re.DOTALL)    
prettyXml = text_re.sub('>\g<1></', uglyXml)

但是，当涉及到空值时，正则表达式只是跳过它们，当解析的字符串中的某些值为空时，这会导致问题。

示例：

 <typ>TYPE_1</typ>
 <rte>AL38941XXXXX</rte>
 <sts>ADDED</sts>

然后 <typ>TYPE_1</typ> <rte>AL38941XXXXX</rte> <sts>ADDED</sts> <ref> </ref> 尝试在空标记中使用参数requests运行查询，这将导致错误的查询结果。

我对regex并不是很流利，所以尝试在另一个regex中' '失败了并像这样黑了：

>\n\s+</

所有“漂亮”标记都不幸消失了... 可以，但是应该如何正确完成呢？

Answer 1

从评论中可以看出，不要打扰美化输出。

如果出于调试目的，您想美化并且需要依靠BeautifulSoup来完成此任务，并且需要额外的步骤来“固定”文本节点，则可以尝试使用此正则表达式：

table

替换为：(<([^\/>]+)>)\s+(?:([\s\S]*?)\s+)??(<\/\2>)

Demo

但是，请记住，正则表达式可能不是正确的工具。证明是以前的正则表达式将因以下CDATA内容而失败：

$1$3$4

当然，我们可以对正则表达式进行微调以考虑CDATA节，但是即使这样，也可能会出现其他问题。因此，最好使用XML解析器。甚至更好地使用一些XML修饰符，以允许不更改文本节点。我认为在您链接的SO问题上，有一些建议。