首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >正则表达式查找不在xml标记内的字符串?

问正则表达式查找不在xml标记内的字符串?
EN

Stack Overflow用户
提问于 2012-11-19 13:48:45
回答 2查看 555关注 0票数 0

正在尝试为此问题查找正则表达式:

PHP parsing xml file error

尝试匹配以下字符串中的"137b“,使用否定的前视和后视断言:

代码语言:javascript
复制
<Rate Symbol="EURTRY">
    <Bid>2.29443</Bid>
    <Ask>2.29562</Ask>
    <High>2.29841</High>
    <Low>2.28999</Low>

 137b

 <Direction>1</Direction>
    <Last>23:29:11</Last>
</Rate>

有没有人能指出这个正则表达式为什么不工作:

代码语言:javascript
复制
(?<!(<\w+>))[a-zA-Z0-9_\.:]+(?!(</\w+>))

意图:包含"a-zA-Z0-9_.:“的字符串,前后都没有XML标记,因此它应该与"137b”匹配,但它没有。

下面是正则表达式的链接:http://regexr.com?32rk4

而不带否定断言的相同正则表达式(<\w+>)[a-zA-Z0-9_\.:]+(</\w+>)可以正确地匹配xml标记中的所有字符串。

http://regexr.com?32rk7

EN

回答 2

Stack Overflow用户

回答已采纳

发布于 2012-11-19 18:14:16

PHP不允许您使用后视来完成此任务,但无论如何,后视也不是最好的工具。(它几乎从来都不是。)你应该能够解决这个问题,只需提前看一眼。如果你能对文档结构做一些假设,这将会容易得多。例如,您能确保封闭节点的名称始终为Rate,并且它的子节点永远不会有自己的子节点(属性或元素)吗?换句话说,你永远不会看到这样的东西:

代码语言:javascript
复制
<Rate Symbol="EURUSD">
    <Bid>1.27554</Bid>
        <foo>bar</foo>
    <Ask foo="bar">1.27578</Ask>
</Rate>

如果是这样,您可以使用正向先行匹配任意数量的完整子节点,后跟一个结束的</Rate>标记:

代码语言:javascript
复制
[a-zA-Z0-9_.:]++(?=\s*(?><(\w+)>[^<]*</\1>\s*)*+</Rate>)

解释如下:

代码语言:javascript
复制
[a-zA-Z0-9_.:]++
(?=
  \s*
  (?>
    <(\w+)>       # match an opening tag and capture its name
    [^<]*         # consume the content
    </\1>         # match the closing tag
    \s*
  )*+           # do this zero or more times
  </Rate>       # confirm we're inside a <Rate> element
)

这甚至可以扩展为处理您在original question中提到的其他垃圾代码,但是正则表达式变得如此丑陋,我认为这不值得。

票数 0
EN

Stack Overflow用户

发布于 2012-11-19 14:00:08

在大多数regex风格中都不支持可变长度的后处理。这里看起来就是这种情况。请尝试执行此操作,以匹配后跟开始标记而不是结束标记的所有文本:

代码语言:javascript
复制
[a-zA-Z0-9_\.:]+(?=\s*<)(?!(</\w+>))

不用说,解析XML的正则表达式方法很脆弱,这种方法也不例外。

票数 2
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/13448356

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档