XML的正則表達式與可選元素解析

Question

我有一些XML，看起來像：

<records> 
    <Customer> 
    <Reference>123</Reference> 
    <Name>John Smith</Name>  
    <Address1>1, The street</Address1> 
    <Address2>Upper Town Street</Address2> 
    <Address3>Anytown</Address3> 
    <Address4>County</Address4> 
    <PostCode>POS TCD</PostCode> 
    </Customer> 
</records> 

但其地址2是可選的，所以這也是有效的：

<records> 
    <Customer> 
    <Reference>123</Reference> 
    <Name>John Smith</Name>  
    <Address1>1, The street</Address1> 
    <Address3>Anytown</Address3> 
    <Address4>County</Address4> 
    <PostCode>POS TCD</PostCode> 
    </Customer> 
</records> 

（注：這是一個減少XML代碼段）

我有一個正確匹配指定地址2當下面的正則表達式：

<Reference>(?<Reference>.*)</Reference>[\w|\W]*<Name>(?<Name>.*)</Name>[\w|\W]*<Address1>(?<Address1>.*)</Address1>[\w|\W]*<Address2>(?<Address2>.*)</Address2> 

對於未指定Address2的情況它不起作用。 我得到的最接近如下：

<Reference>(?<Reference>.*)</Reference>[\w|\W]*<Name>(?<Name>.*)</Name>[\w|\W]*<Address1>(?<Address1>.*)</Address1>[\w|\W]*(<Address2>(?<Address2>.*)</Address2>)? 

相匹配，並填充參考，名稱和地址1兩個XML片段，但留下地址2在這兩種情況下的空白，而不是對上城街道的值地址2爲第一個片段。

另外：我知道使用XML解析器可能會更容易，但XML不乾淨，這應該是一個快速和簡單的解決方案（！）。我也知道，我可以將其分解成一組要解決的正則表達式，但現在這已成爲一個智力挑戰。我很想有一個解決方案。

Answer 1

快速和骯髒的答案：

<Reference>(?<Reference>.*)</Reference>[\w\W]*?<Name>(?<Name>.*)</Name>[\w\W]*?<Address1>(?<Address1>.*)</Address1>[\w\W]*?(<Address2>(?<Address2>.*)</Address2>)? 

首先，我刪除了|;它不會傷害任何東西，但它是沒有必要的。 [\w\W]已經意味着一個字符，或者一個字符是而不是一個字符。像大多數其他元字符一樣，|在字符類中失去其特殊含義，並且只匹配它自己。

但重點是將*更改爲*?，使其非貪婪。每個[\w\W]*開始吞噬整個文本的其餘部分，然後回溯，以便它可以匹配下一個所需的部分（例如，<Name>(?<Name>.*)</Name>）。但Address2部分是而不是必需的，所以正則表達式引擎不會打擾回溯來接受它。

使量詞不貪婪反轉優先級：在它吞噬下一個字符之前，它首先嚐試匹配正則表達式的下一個部分。這確保Address2行可以匹配（如果存在），即使它是可選的。

但是，如果您的XML是按照您展示的方式進行格式化的，則元素之間的所有元素都是空白。我只會使用\s*，而不必擔心它匹配太多或太少。

Answer 2

而不是使用regex的，修正損壞xml並使用上最有趣的問題你的想法=）

regex並不解析xml文件的工具。在2013年解析xml是一個已解決的問題，不要試圖重新發明車輪。

就像你已經說過的，使用XML解析器。如果你想讓我給你一些這樣的東西，請在你原來的POST中添加你的語言。

我知道解析的最好的xml & html是xpath。

---

見RegEx match open tags except XHTML self-contained tags