Question

我刚刚回顾了我之前发过的一篇文章，并注意到有很多人建议我不使用正则表达式来解析xml。在这种情况下，xml相对简单，Regex没有任何问题。我还在解析许多其他代码格式，所以为了统一起见，它是有意义的。但我很好奇这可能会在其他情况下造成问题。这只是一个“不要重新发明轮子”的问题吗？

Answer 1

真正的麻烦是嵌套标签。使用正则表达式很难处理嵌套标记。这可能是balanced matching，但这只能在.NET中使用，也许还有其他几种。但即使有平衡匹配的力量，一个不合适的评论也可能会摒弃正则表达式。

例如，解析...这是一个棘手的问题。

<div>
    <div id="parse-this">
        <!-- oops</div> -->
        try to get this value with regex
    </div>
</div>

你可能会使用正则表达式追踪这样的边缘情况数小时，并且可能找到解决方案。但实际上，当有专门的XML，XHTML和HTML解析器可以更可靠，更有效地完成工作时，毫无意义。

Answer 2

这已在SO上多次讨论过。参见例如

只需点击屏幕右侧的链接即可获得更多答案。

我的结论：

简单，因为正则表达式不是解析器，它是查找模式的工具。

如果你想在（ht | x）ml文件中找到一个非常具体的模式，继续，正则表达式是完美的。

但是如果你在每个Foo标签中搜索某些东西，那可能有不同顺序的属性，可以嵌套，可能是格式错误（并且仍然有效），然后使用解析器，因为那不再是模式匹配

Answer 3

XML不是常规语言（这是一个技术术语），因此您永远无法使用正则表达式正确解析它。 99％的情况下你可能会成功，但是有人会找到一种编写抛出你的XML的方法。

如果您正在编写某种屏幕刮刀，那么99％的成功率可能就足够了。对于大多数应用程序，它不是。