正则表达式。如何从xml文档中提取值[关闭]

Posted 2023-02-26

【中文标题】正则表达式。如何从xml文档中提取值[关闭]

【英文标题】：Regexp. How to extract values from xml document [closed]

【发布时间】：2014-01-31 05:40:57

【问题描述】：

我才刚刚开始弄明白什么是正则表达式，但我的时间真的很有限！

我在 xml 中有一个字符串，例如：<myid>1234</myid>，现在我的 xml 在 txt 中，它曾经是一个 xml 文档。

如何制作模式以从 <myid> 标签中提取 1234。

【问题讨论】：

不要，而是使用 XML 解析器。为您的用例编写 XPath 表达式可能很容易。

我会使用 XPath 来获取值。使用正则表达式从 xml 内容中获取值并不是那么漂亮。

我的 xml 文档格式错误。我无法解析它，因为我有 & 标志，而这个 & 标志应该保持不变。

@user3108395：显然它不应该保持不变，它正在创建一个无效的 XML 文档。修复它：str = str.replaceAll("\\&([^a-zA-Z0-9])", "&$1"); 或类似的。

但必须如此。因为我发送我的 xml 文档的程序。没有 & 符号不排除它！

【参考方案1】：

如果它真的看起来像这样：

<myid>1234</myid>

...你可以这样提取它：

Matcher match = Pattern.compile("<myid>(\d+)</myid>").matcher(str);

...然后重复使用匹配器，从捕获组中获取值。

但是这是有原因的每个人都在告诉你使用正确的解析器。上述失败的方式有很多，包括不恰当地匹配和在应该匹配时未能匹配。

正确的解决方案是使 XML 有效，然后对其进行解析，并使用 XPath 或类似的方法读取值。

如果您确实有某些工具要求您向其发送无效的 XML，则需要更换该工具。不过，更可能的是，这是一些误解。

【讨论】：

谢谢 T.J.克劳德。我明白，但这就是它的工作原理。