使用正则表达式查找控制字符的 XML 字符引用

Question

我需要一些帮助来找出控制字符（十进制或十六进制）的 XML 字符引用的正则表达式。

这些序列如下所示：

�





换句话说，它们是一个 & 符号，后跟一个井号，后跟一个可选的“x”以表示十六进制模式，后跟 1 到 4 个十进制（或十六进制）数字，最后跟一个分号。

我特别尝试识别那些包含（包含）十进制 0 到 31 或十六进制 0 到 1F 的数字的序列。

有人能找出这个的正则表达式吗？

Answer 1

如果您使用 零宽度先行断言 来限制位数，您可以编写模式的其余部分，无需担心长度限制。试试这个：

&#(?=x?[0-9A-Fa-f]{1,4})0*([12]?\d|3[01]|x0*1?[0-9A-Fa-f]);

说明：

(?=x?[0-9A-Fa-f]{1,4})  #Restricts the numeric portion to at most four digits, including leading zeroes.
0*                      #Consumes leading zeroes if there is no x.
[12]?\d                 #Allows decimal numbers 0 - 29, inclusive.
3[01]                   #Allows decimal 30 or 31.
x0*1?[0-9A-Fa-f]        #Allows hexadecimal 0 - 1F, inclusive, regardless of case or leading zeroes.

此模式允许在 x 后添加前导零，但 (?=x?[0-9A-Fa-f]{1,4})部分防止它们在x之前发生。

Answer 2

&#(0{0,2}[1-2]\d|000\d|0{0,2}3[01]|x0{0,2}[01][0-9A-Fa-f]);

它不是最优雅的，但它应该可以工作。

在 RegexBuddy 中验证。

Answer 3

我认为以下应该有效：

&#(?:x0{0,2}[01]?[0-9a-fA-F]|0{0,2}(?:[012]?[0-9]|3[01]));

这是一个红宝石：
http://www.rubular.com/r/VEYx25Fdpj