正则表达式和内联XML

Question

我有一个内联XML文件（xml标签+文本）。 我想在特定标签之前抓住4个单词。 例如：

案例1：

I used to live in <Location>London</Location>.

案例2：

I work for <Organization> Microsoft Tech.</Organization>
which is in <Location>London</Location>

我想在两种情况下在位置标记之前抓取4个单词。

输出：

案例1：

used to live in

案例2：

</Organizattion> which is in

这可能吗？有人可以帮帮我吗？

Answer 1

嗯，最简单的是：

((?:\S+\s+){4}\s*)<Location>

请注意，这不会在第二种情况下产生所需的结果，因为它假定由空格分隔的非空白运行，因此它会在那里产生Tech.</Organization> which is in。

Answer 2

虽然这很疯狂，我不建议使用它，你可以用awk做这样的事情：

awk '/<Location>/ {n=gensub("(.*)<Location>.*","\\1","g",$0); print gensub(".*[ .]([^ .]+ [^ .]+ [^ .]+ [^ .]+) *$","\\1","g",n)} ' INPUTFILE

您可能希望修改[^ .]部分以正确判断单词的哪一部分。

1. 此操作适用于<Location>
2. 将部分行保存到<Location>
3. 打印出它找到的四个单词。 （注意没有匹配它将打印以前保存的行部分。）

Answer 3

你需要的正则表达式必须是一个积极的表面。对于以下作品的2个案例：

/(?:[<>\/\w]+\s*){4}(?=<Location>)/s

如果您需要使用上述正则表达式进行演示，请告诉我。