用生成的图片替换xml标签(python regex)

Question

我正在编写应用程序来转换包含在xml文件中的数据为静态html。在xml中的任何时候，都可能有一个像这样的嵌套标记：

<t:latex-object url='%28-3%29%5E%7B2%7D%3D3%5E%7B2%7D'><![CDATA[(-3)^{2}=3^{2}]]></t:latex-object>

我必须获取url，从它生成latex图像，并将此标记替换为html中的img src。

我现在所做的，是遍历整个xml文件，并生成html输出，使这些标记保持原样。接下来，我希望遍历整个输出，找到此标记的所有匹配项，为每个标记生成图像，并替换它们。但是，因为url属性每次都不同，所以我不能使用replace()函数。

我正在考虑使用regex，但到目前为止我得到的只是所有url属性的列表，这让我很头疼。我正在考虑编写regex，它会用url属性替换所有latex标签，这样我就可以遍历我的url列表，并用生成的图像替换它们。

这种方法有意义吗？我觉得应该有更简单的方法来做到这一点，更不用说我花了一个多小时试图编写这样的正则表达式，但结果很糟糕。

Answer 1

描述

这个正则表达式将捕获整个标记和url属性。注意:如果此标记具有嵌套的t标记值，则此操作将失败。

<t:latex-object\b(?=\s)(?=(?:(?![^>])'[^']*'|"[^"]*"|.)*\surl='([^"]*)').*?<\/t:latex-object>

​

​

Python示例

工作示例是这里的http://repl.it/J0t/1，请注意在示例中我转义了一些引号。

代码

import re

string = """
<t:latex-object url='%28-3%29%5E%7B2%7D%3D3%5E%7B2%7D'><![CDATA[(-3)^{2}=3^{2}]]></t:latex-object>
""";

for matchObj in re.finditer( r'<t:latex-object\b(?=\s)(?=(?:(?![^>])\'[^\']*\'|"[^"]*"|.)*\surl=\'([^"]*)\').*?<\/t:latex-object>', string, re.M|re.I|re.S):
    print "-------"
    print "matchObj.group(0) : ", matchObj.group(0)
    print "matchObj.group(1) : ", matchObj.group(1)

输出

matchObj.group(0) :  <t:latex-object url='%28-3%29%5E%7B2%7D%3D3%5E%7B2%7D'><![CDATA[(-3)^{2}=3^{2}]]></t:latex-object>
matchObj.group(1) :  %28-3%29%5E%7B2%7D%3D3%5E%7B2%7D

Answer 2

正则表达式从来都不是解析XML的好主意。在我看来，您应该在Python脚本中使用适当的XML解析器。或者使用XSLT。