使用正则表达式从另一组中删除一组标签

Question

我正在使用 BBEdit 编辑一个大 XML 文件。

XML 文件是旧日记的数字化再现，其中的文本包含在注释标签中。

<note>Example of a note.</note>

然而，某些注释标签将引号括在嵌套在其中的引号标签中。

<note>Example of a note, but <quote>"here is a quotation within the note"</quote></note>

我需要从注释标签中删除所有引用实例，同时保留引用标签的实际内容。所以这个例子将变成：

<note>Example of a note, but "here is a quotation within the note"</note>

我在 BBEdit 中使用 GREP 成功删除了其中一些，但我开始遇到更复杂的注释标签，这些标签跨越几行或在两组不同的标签之间有文本。例如：

<note>Example of a note, <quote>"with a quotation"</quote> and a <quote>"second quotation"</quote> along with some text outside of the quotation before the end of the note.</note>

有些引文可以长达 10 行以上。在我的正则表达式中使用 \r 似乎没有帮助。

我还应该说，引用标签可以存在于注释标签之外，这排除了批量查找 /?quote 并删除它的可能性。我仍然需要在文档中使用引号标签，只是不在注释标签中使用。

非常感谢您的帮助。

Answer 1

使用 XSLT 这真的很容易：

<xsl:stylesheet version="1.0"
  xmlns:xsl="http://www.w3.org/1999/XSL/Transform">

  <xsl:template match="node()|@*">
    <xsl:copy>
      <xsl:apply-templates select="node()|@*" />
    </xsl:copy>
  </xsl:template>

  <xsl:template match="quote">
    <xsl:apply-templates select="node()|@*" />
  </xsl:template>
</xsl:stylesheet>

使用您选择的 XSLT 处理器将此样式表应用到您的 XML 文件。例如，有些工具可以在命令行上运行。

Answer 2

如果不限制 XML 的形成方式，我非常确定这超出了常规语言的范围，而进入了上下文无关语言的范围，这意味着正则表达式不会为您提供帮助。如果 XML 的结构很简单（没有节点嵌套在节点中或引号嵌套在引号中），您也许可以按照全局替换 (!; )(!)(!) 与 \1\2\3< /node>，但您可能使用了错误的工具来完成这项工作。正如其他答案之一所指出的，XSLT 可以帮助您，或者您可以使用 XML 解析库编写一个简单的程序来删除您正在查找的标签。