Question

我已经为此工作了将近一天。但我无法从“＆gt;”中取出所有换行符，制表符和回车符和“＆lt;”

这是我正在阅读的示例XML文件：

                <Consequence_Note>
                    <Text>In some cases, integer coercion errors can lead to exploitable buffer
                        overflow conditions, resulting in the execution of arbitrary
                        code.</Text>
                </Consequence_Note>

和这个

<Consequence_Scope>Availability</Consequence_Scope>
                    <Consequence_Technical_Impact>DoS: resource consumption
                        (CPU)</Consequence_Technical_Impact>

我的目标是从这两个标记（＆gt;和＆lt;）中取出所有换行符，制表符和回车符。我唯一能做到的就是从“＆gt;”中取出所有的/ n / t / r和“＆lt;”当两个标签之间没有任何东西时。但是当两个标签之间还有其他字符时，我无法取出所有\ n \ t \ r \ n。

我需要有关如何使用正则表达式的帮助，该表达式将从“＆gt;”中取出所有换行符，标记符和回车符和“＆lt;”

例如：

                <Consequence_Technical_Impact>DoS: resource consumption
                    (CPU)</Consequence_Technical_Impact>

我想要的是：

<Consequence_Technical_Impact>DoS: resource consumption (CPU)</Consequence_Technical_Impact>

这是我的代码（我正在读取xml文件）：

String file = @"C:\Documents and Settings\YYC\Desktop\cwec_v2.1\cwec_v2.1.xml";
var lines = File.ReadAllText(file);
var replace = Regex.Replace(lines, @">([\r\n\t])*?<", "><");
File.WriteAllText(file, replace);

Answer 1

请勿使用regexp（RegEx match open tags except XHTML self-contained tags）解析html / xml！

为xtml使用XML阅读器或使用HtmlAgilityPack（或其他一些html工具）。

xml / html文档非常复杂，正则表达式并不总是（在某些情况下是肯定的，但并非一般）完成正确的工作。

Answer 2

如果您首先使用XmlReader读取文档，它将默认从输入中删除换行符。那么你可以简单地用作者正确的设置把它写回来。

请参阅：http://msdn.microsoft.com/en-us/library/system.xml.xmlreadersettings.ignorewhitespace.aspx 请参阅：http://msdn.microsoft.com/en-us/library/system.xml.xmlwritersettings.newlinehandling.aspx

可能会构建一个正则表达式替代方案，但是对于包含CData，注释和其他构造的XML来说，它仍然会有很多问题，这些构造使XML难以解析。如果XML非常结构化，机器生成且不变，您可以创建一个正则表达式来修复它，但另一方面，您也可以修复生成器。最简单的正则表达式可能有效：

\s{2,}

替换为

[ ]

删除任何长于一个字符的空格，并用一个空格替换它。不需要以不同的方式处理标记内的任何其他空格，这就是XMLReader默认应该做的事情。

无法在两个标签之间取出所有换行符，制表符和回车符

2 个答案: