有效 XML 标记名称的 PHP 正则表达式

Posted 2023-02-24

【中文标题】有效 XML 标记名称的 PHP 正则表达式

【英文标题】：PHP regex for valid XML tag name

【发布时间】：2011-11-21 16:05:09

【问题描述】：

什么是一个好的通用正则表达式（用 php 术语）来确定一个字符串是否是一个有效的 XML 标记名称？

我开始使用/[^>]+/i，但它也匹配4 \<< 之类的东西，这显然不是一个有效的标签名称。

所以我尝试组合所有有效字符，例如 /[a-z][a-z0-9_-]*/i，这也不完全正确，因为 XML 允许几乎任何外语标签名称中的字符。

我现在卡住了 - 我应该只检查是否有空格字符吗？还是有更多内容？

【参考方案1】：

为什么不直接使用已经知道规则的 XML 解析器/生成器？

function isValidXmlElementName($elementName)

    try 
        new DOMElement($elementName);
     catch (DOMException $e) 
        return false;
    
    return true;


var_dump(isValidXmlElementName(' ')); // false 
var_dump(isValidXmlElementName('1')); // false
var_dump(isValidXmlElementName('-')); // false
var_dump(isValidXmlElementName('a')); // true

【参考方案2】：

来自XML specification：

[4]     NameStartChar      ::=      ":" | [A-Z] | "_" | [a-z] | [#xC0-#xD6] | [#xD8-#xF6] | [#xF8-#x2FF] | [#x370-#x37D] | [#x37F-#x1FFF] | [#x200C-#x200D] | [#x2070-#x218F] | [#x2C00-#x2FEF] | [#x3001-#xD7FF] | [#xF900-#xFDCF] | [#xFDF0-#xFFFD] | [#x10000-#xEFFFF]
[4a]    NameChar       ::=      NameStartChar | "-" | "." | [0-9] | #xB7 | [#x0300-#x036F] | [#x203F-#x2040]
[5]     Name       ::=      NameStartChar (NameChar)*

【讨论】：

看起来不错，但我如何在 PHP 正则表达式中调整它？解释器会理解#xC0-#xD6 之类的范围值吗？

【参考方案3】：

来自相同的规范，但更清楚一点：

“鼓励文档作者使用自然语言中有意义的单词或单词组合的名称，并避免名称中的符号或空格字符。请注意，冒号、连字符-减号、句号（句点）、低线（下划线）和中间点是明确允许的。

ASCII 符号和标点符号以及相当多的 Unicode 符号字符被排除在名称之外，因为它们在 XML 名称用于 XML 文档之外的上下文中作为分隔符更有用；提供该组为这些上下文提供了关于哪些内容不能成为 XML 名称的硬性保证。字符#x037E（希腊问号）被排除在外，因为规范化后它变成了一个分号，这可能会改变实体引用的含义。”

据我所知，几乎所有事情都会发生。正如 Gordon 在下面所说，最好使用了解规则的解析器！