正则表达式:将所有内容保存在<profession></profession>标记中

Question

我有一个很大的XML，看起来像这样：

<gender>M</gender>
<last-name>*</last-name>
<profession>2165dda2-dc59-41af-acb5-06d8914c4841</profession>
<first-name>*</first-name>
<mail-confirmation>1</mail-confirmation>
<fax-confirmation>1</fax-confirmation>

我只想留着标签。我找到了一种在标签中进行搜索的方法，如下所示：

<profession[^>]*>([^<]*?)</profession>

但是我如何搜索它之外的所有东西呢？我试着把它翻过来，就像：

</profession[^>]*>([^<]*?)<profession>

或

</profession>([^<]*?)<profession[^>]*>

但那是行不通的。

Answer 1

严格地说，您不能用正则表达式解析XML。

使用sed的快速而肮脏的解决方案是使用profession来grep行，然后将"profession“和"/profession”替换为"“(标记正在剥离<>)

Answer 2

您可以考虑使用XSL来选择值。例如，从XML创建一个逗号分隔的职业列表。

<xsl:stylesheet version='2.0' xmlns:xsl='http://www.w3.org/1999/XSL/Transform'>
    <xsl:output method="text" />
    <xsl:template match='/'>
        <xsl:for-each select="person">
          <xsl:value-of select="profession" /><xsl:text>,</xsl:text>
        </xsl:for-each>
    </xsl:template>
</xsl:stylesheet>

Notepad++有一个XML插件，可以对打开的文件运行XSL。(插件> XML工具> XSL转换)

Answer 3

关于

# Perl
$xml =~ s/^<profession>.*<\/profession>$/<profession><\/profession>/m;

只需确保使用多行修饰符即可。