正则表达式/解析 XML 文件

Question

我有一个 XML 文件，其中包含自定义标签包含的一堆数据。这对于我的一个项目很有用，但对于另一个项目我不需要那么多信息。所以我想修剪 XML 文件，并删除某些标签的所有实例以及标签之间的任何内容。

<GOBJ>
    <cost>4</cost>
    <duration>n/a</duration>
    <item>Stone Block</item>
    <type>Construction - Material</type>
    <misc>Use these blocks to build things. These blocks don't degrade.</misc>
</GOBJ>

我只想保留 [item]blah[item] 和 [type]blah[type]，其余的应该删除/删除。

稍后，我需要检查 [type] 的文本，如果它与某些单词匹配，则替换其内容。例如，如果单词 metal 位于 [type] 标记内的任何位置，则仅用单词 metal 替换该标记的内容。

我知道这是一个很大的要求；我很感激任何帮助。

Answer 1

另一种方法是仅使用简单的 XML → XML（XSLT 1.0 和 XPath 1.0）转换，如下所示。它可以轻松适应您的要求并重用于其他文档。

<?xml version="1.0" encoding="UTF-8"?>
<xsl:stylesheet xmlns:xsl="http://www.w3.org/1999/XSL/Transform" version="1.0">

    <xsl:output method="xml" omit-xml-declaration="yes" indent="yes"/>

    <xsl:template match="root">
        <root>
            <xsl:apply-templates select="GOBJ"/>
        </root>
    </xsl:template>

    <xsl:template match="GOBJ">
        <GOBJ>
            <xsl:copy-of select="item"/>
            <type>
                <xsl:choose>
                    <xsl:when test="contains(type, 'metal')">
                        <xsl:text>metal</xsl:text>
                    </xsl:when>
                    <!-- other xsl:when conditions here -->
                    <xsl:otherwise>
                        <xsl:value-of select="type"/>
                    </xsl:otherwise>
                </xsl:choose>
            </type>
        </GOBJ>
    </xsl:template>
</xsl:stylesheet>

我知道这不是基于正则表达式的解决方案，但恕我直言，最好使用本机面向 XML 的工具包。

Answer 2

假设文件的布局与您的示例完全相同，乘以所需的尽可能多的记录，并且您希望尽可能保留原始布局，全局替换

(<GOBJ>[^<]+?).+?(<item>.+?<\/type>\n).+?(<\/GOBJ>)

为

$1$2$3

，并且正则表达式设置为在“单行”模式下运行，将执行您所要求的操作，元素 为大写，其他元素为小写，每条记录的每个元素只有一个实例，并且元素 始终出现在每个记录中紧邻元素 之前。

在 JavaScript 中，这将是：

var result = src.replace(
    /(<GOBJ>[^<]+?).+?(<item>.+?<\/type>\n).+?(<\/GOBJ>)/g, 
    '$1$2$3'
);

请注意，严格的条件缓解了与使用正则表达式解析 XML 相关的任何问题。如果无法满足条件，那么使用特定于 XML 的工具（如 XSLT）会得到更好的服务。

Answer 3

这是一个 grep 解决方案：grep -E '(|)' myfile.xml

Answer 4

我开发了另一种方法来解决这个问题；我构建了一个 jquery 脚本来分割 xml 代码（我事先用不同的符号替换了所有左/右箭头），如果我不包含另一个特定符号，则输出数组条目。

var name = $('div').text().trim().split(/\[name\](.*?)\[\/name\]/g);
var type = $('div').text().trim().split(/\[type\](.*?)\[\/type\]/g);
for (i = 0; name.length > i; i++) {
        if ((type[i].match(/\[/g))) {
            type[i] = "";
        }
        if (!(name[i].match(/\[/g))) {
            if (type[i].match(/construction/g)) {type[i] = "T_C";}
            if (type[i].match(/material/g)) {type[i] = "T_M";}
            if (type[i].match(/metalwork/g)) {type[i] = "T_W";}
            if (type[i].match(/water/g)) {type[i] = "T_W";}
            if (type[i].match(/oil/g)) {type[i] = "T_O";}
            if (type[i].match(/precious/g)) {type[i] = "T_P";}
            if (type[i].match(/magic/g)) {type[i] = "T_M";}
            $('.Collect').append('<p>a href="../Img/XXX/' + name[i] + '.jpg" class="' + type[i] + '">' + name[i] + '/a></p>');
        } else {
            name[i] = "";
        }

    }

输出的格式是这样的，这样我就可以将页面复制粘贴到 txt/html 文件中，并得到几乎我想要的结果。我必须找出某种方法来用适当的目录名称替换 XXX...

我只需要执行此操作一两次，因此纯粹的自动化并不是必需的。

Answer 5

如果你想解析 XML 日志文件，那么你可以使用正则表达式 {java}, <[^<]+<.so 你得到 DEV;。输出如name>DEV。