RegEx用于捕获第一个父级的子级属性值

Question

我正在使用nodejs和RegExp解析XML文件，但是我找不到从父级提取所有子级的方法，例如，我需要父级PARENT1的所有FormalName =“（。+）”

<TopicSet FormalName="PARENT1">
    <Topic>
      <TopicType FormalName="Child1" />
    </Topic>
    <Topic>
      <TopicType FormalName="Child2" />
    </Topic>
    <Topic>
      <TopicType FormalName="Child3" />
    </Topic>
</TopicSet>
<TopicSet FormalName="PARENT2">
    <Topic>
      <TopicType FormalName="Child1" />
    </Topic>
    <Topic>
      <TopicType FormalName="Child2" />
    </Topic>
    <Topic>
      <TopicType FormalName="Child3" />
    </Topic>
</TopicSet>

我尝试过这个：

<TopicSet FormalName="PARENT1">(?:(?:\s|\S)*?)TopicType FormalName="(.+)"(?:(?:\s|\S)*?)<\/TopicSet>

但是它仅返回PARENT1的第一个匹配项（Child1），而不返回Child1，Child2和Child3

https://regex101.com/r/3ESH29/2/

Answer 1

使用正则表达式解析xml是not advisable。

您可以使用DOMParser而不是使用正则表达式，例如使用querySelectorAll来获取PARENT1中FormalName的值：

使用jsdom

的示例

let xml = `<TopicSet FormalName="PARENT1">
    <Topic>
      <TopicType FormalName="Child1" />
    </Topic>
    <Topic>
      <TopicType FormalName="Child2" />
    </Topic>
    <Topic>
      <TopicType FormalName="Child3" />
    </Topic>
</TopicSet>
<TopicSet FormalName="PARENT2">
    <Topic>
      <TopicType FormalName="Child1" />
    </Topic>
    <Topic>
      <TopicType FormalName="Child2" />
    </Topic>
    <Topic>
      <TopicType FormalName="Child3" />
    </Topic>
</TopicSet>`;

let parser = new DOMParser();
let doc = parser.parseFromString(xml, "text/xml");
let res = doc.querySelectorAll("TopicSet[FormalName='PARENT1'] Topic TopicType");
res.forEach(e => console.log(e.getAttribute("FormalName")));

Answer 2

使用正则表达式执行此操作可能不是最好的主意。但是，如果需要，您可能需要创建三个捕获组，并以父级打开/关闭标签为左/右边界，然后在它们之间滑动所有内容：

(<TopicSet.*?>)([\s\S]*?)(<\/TopicSet>)

RegEx

如果这不是您想要的表达式，则可以在regex101.com中修改/更改表达式。

RegEx电路

您还可以在jex.im中可视化您的表达式：

JavaScript演示

const regex = /(<TopicSet.*?>)([\s\S]*?)(<\/TopicSet>)/mg;
const str = `<TopicSet FormalName="PARENT1">
	<Topic>
	  <TopicType FormalName="Child1" />
	</Topic>
	<Topic>
	  <TopicType FormalName="Child2" />
	</Topic>
	<Topic>
	  <TopicType FormalName="Child3" />
	</Topic>
</TopicSet>
<TopicSet FormalName="PARENT2">
	<Topic>
	  <TopicType FormalName="Child1" />
	</Topic>
	<Topic>
	  <TopicType FormalName="Child2" />
	</Topic>
	<Topic>
	  <TopicType FormalName="Child3" />
	</Topic>
</TopicSet>`;
const subst = `$2`;

// The substituted value will be contained in the result variable
const result = str.replace(regex, subst);

console.log('Substitution result: ', result);

JavaScript演示2

如果您还希望打印父标签，则只需将其替换为$1$2$3而不是$2，在这里我们将其添加为易于调用：

const regex = /(<TopicSet.*?>)([\s\S]*?)(<\/TopicSet>)/mg;
const str = `<TopicSet FormalName="PARENT1">
	<Topic>
	  <TopicType FormalName="Child1" />
	</Topic>
	<Topic>
	  <TopicType FormalName="Child2" />
	</Topic>
	<Topic>
	  <TopicType FormalName="Child3" />
	</Topic>
</TopicSet>
<TopicSet FormalName="PARENT2">
	<Topic>
	  <TopicType FormalName="Child1" />
	</Topic>
	<Topic>
	  <TopicType FormalName="Child2" />
	</Topic>
	<Topic>
	  <TopicType FormalName="Child3" />
	</Topic>
</TopicSet>`;
const subst = `$1$2$3`;

// The substituted value will be contained in the result variable
const result = str.replace(regex, subst);

console.log('Substitution result: ', result);

Demo

---

如果只想提取第一个父对象，则可以添加另一个边界：

(<TopicSet FormalName="PARENT1">)([\s\S]*?)(<\/TopicSet>)

Demo