Java：String.replace(regex, string) 从 XML 中删除内容

Posted 2023-02-26

【中文标题】Java：String.replace(regex, string) 从 XML 中删除内容

【英文标题】：Java: String.replace(regex, string) to remove content from XML

【发布时间】：2011-09-23 13:52:09

【问题描述】：

假设我有一个字符串形式的 XML。我希望删除 XML 字符串中两个标签之间的内容，比如 .我试过了：

String newString = oldString.replaceFirst("\\<tagName>.*?\\<//tagName>",
                                                              "Content Removed");

但它不起作用。关于我做错了什么的任何指示？

【问题讨论】：

如果除了最简单的非嵌套 xml 之外还有其他任何东西，那么正则表达式将无法正常工作。

【参考方案1】：

好的，除了显而易见的答案（don't parse XML with regex），也许我们可以解决这个问题：

String newString = oldString.replaceFirst("(?s)<tagName[^>]*>.*?</tagName>",
                                          "Content Removed");

解释：

(?s)             # turn single-line mode on (otherwise '.' won't match '\n')
<tagName         # remove unnecessary (and perhaps erroneous) escapes
[^>]*            # allow optional attributes
>.*?</tagName>   

您确定您正确匹配标签大小写吗？也许您还想在模式中添加i 标志：(?si)

【讨论】：

最后，简单地使用 string.replaceFirst(".*", "Content Removed");工作得很好，我不知道为什么我把它弄得这么复杂。感谢您解释 Java 中的正则表达式属性，非常有帮助！

【参考方案2】：

问题可能出在这里：

<//tagName>

试试改成

<\/tagName>

【讨论】：

在 Java 中，</tagName> 不会有任何转义。

@Pable 是的，但它不使用 Java 正则表达式引擎，它是 flex / flash

@Pable 不，它有效，只是没有必要：“反斜杠可以在非字母字符之前使用，无论该字符是否是未转义结构的一部分。” (source)

好吧，所以没有伤害。感谢您的信息（顺便说一句，这是 Pablo 不是 Pable :)）

@Pablo Grrr，同样的错字两次。我一直都知道是巴勃罗，但不知怎的，我的手指不同意。对不起！！！

【参考方案3】：

XML 是一种语法；正则表达式并不是处理语法的最佳工具。

我的建议是使用真正的解析器来处理 DOM，而不是进行匹配

例如，如果您有：

<xml>
 <items>
  <myItem>
     <tagtoRemove>something1</tagToRemove>
  </myItem>
  <myItem>
     <tagtoRemove>something2</tagToRemove>
  </myItem>
 </items>

正则表达式可以尝试匹配它（由于贪心机制）

<xml>
 <items>
  <myItem>
     matchString
  </myItem>
 </items>

此外，某些 DTD 可能允许的某些用途（例如 <tagToRemove/> 或 <tagToRemove attr="value">）使得使用正则表达式捕获标签更加困难。

除非您非常清楚以上都不会发生（也不会发生或将来发生），否则我会使用解析器。