正则表达式可以正常工作，但放在XML架构中时会失败

Question

我有一个简单的doc.xml文件，它包含一个带有时间戳属性的根元素：

<?xml version="1.0" encoding="utf-8"?>
<root Timestamp="04-21-2010 16:00:19.000" />

我想根据我的简单schema.xsd验证这个文档，以确保时间戳的格式是正确的：

<?xml version="1.0" encoding="utf-8"?>
<xs:schema attributeFormDefault="unqualified" elementFormDefault="qualified" xmlns:xs="http://www.w3.org/2001/XMLSchema">
  <xs:element name="root">
    <xs:complexType>
      <xs:attribute name="Timestamp" use="required" type="timeStampType"/>
    </xs:complexType>
  </xs:element>
  <xs:simpleType name="timeStampType">
    <xs:restriction base="xs:string">
      <xs:pattern value="(0[0-9]{1})|(1[0-2]{1})-(3[0-1]{1}|[0-2]{1}[0-9]{1})-[2-9]{1}[0-9]{3} ([0-1]{1}[0-9]{1}|2[0-3]{1}):[0-5]{1}[0-9]{1}:[0-5]{1}[0-9]{1}.[0-9]{3}" />
    </xs:restriction>
  </xs:simpleType>
</xs:schema>

因此，我使用lxml Python模块并尝试执行一个简单的模式验证并报告任何错误：

from lxml import etree

schema = etree.XMLSchema( etree.parse("schema.xsd") )
doc = etree.parse("doc.xml")

if not schema.validate(doc):
    for e in schema.error_log:
        print e.message

我的XML文档验证失败，并显示以下错误消息：

Element 'root', attribute 'Timestamp': [facet 'pattern'] The value '04-21-2010 16:00:19.000' is not accepted by the pattern '(0[0-9]{1})|(1[0-2]{1})-(3[0-1]{1}|[0-2]{1}[0-9]{1})-[2-9]{1}[0-9]{3} ([0-1]{1}[0-9]{1}|2[0-3]{1}):[0-5]{1}[0-9]{1}:[0-5]{1}[0-9]{1}.[0-9]{3}'.
Element 'root', attribute 'Timestamp': '04-21-2010 16:00:19.000' is not a valid value of the atomic type 'timeStampType'.

所以看起来我的正则表达式一定是有问题的。但是当我尝试在命令行验证正则表达式时，它通过：

>>> import re
>>> pat = '(0[0-9]{1})|(1[0-2]{1})-(3[0-1]{1}|[0-2]{1}[0-9]{1})-[2-9]{1}[0-9]{3} ([0-1]{1}[0-9]{1}|2[0-3]{1}):[0-5]{1}[0-9]{1}:[0-5]{1}[0-9]{1}.[0-9]{3}'
>>> assert re.match(pat, '04-21-2010 16:00:19.000')
>>> 

我知道XSD正则表达式并不具备所有功能，但the documentation I've found指出我使用的每个功能都应该有效。

那么，我误解了什么，为什么我的文档失败了？

Answer 1

你的|匹配范围比你想象的要大。

(0[0-9]{1})|(1[0-2]{1})-(3[0-1]{1}|[0-2]{1}[0-9]{1})-[2-9]{1}[0-9]{3}

解析为：

(0[0-9]{1})
    -or-
(1[0-2]{1})-(3[0-1]{1}|[0-2]{1}[0-9]{1})-[2-9]{1}[0-9]{3}

如果你想避免它，你需要使用更多的分组；

((0[0-9]{1})|(1[0-2]{1}))-((3[0-1]{1}|[0-2]{1}[0-9]{1}))-[2-9]{1}[0-9]{3} (([0-1]{1}[0-9]{1}|2[0-3]{1})):[0-5]{1}[0-9]{1}:[0-5]{1}[0-9]{1}.[0-9]{3}

Answer 2

该表达式有几个错误。

当有效的month.

• A|BC与A和BC匹配，而不是AC和BC匹配时，您允许00。因此，以(0[0-9]{1})|开头的表达式可以匹配任何包含00到09的字符串。你想要的是只通过12匹配01，后面跟着一个破折号。

• 你允许00作为有效的日期。

• 模式不锚定在文本的开头和结尾-添加^和<00>d22>。这就是使用Python测试成功的原因。

顺便说一下，你为什么不使用xs:dateTime呢？它有一个非常相似的格式--我想是yyyy-mm-ddThh:mm:ss.fff。