XML 中的正则表达式替换

Question

我是 XML 的新手，没有接受过太多培训。我正在尝试正确格式化自定义报告中的文本。我有这条线：

.replace(/(&lt;([^>]+)>)/ig, "\n")

并且想完全理解它在做什么。我知道新行正在替换括号中的内容。具体来说，这是在找什么？

([^>]+)>)

编辑（来自评论）：

这是完整的表达式（为了便于阅读而重新格式化）。

<expression name="expression" type="javascript">
  (
    dataSetRow["Question_Employee_Comment"] +
    dataSetRow["Question_‌Manager_Comment"]
  )
    .replace(/(&lt;([^>]+)>)/ig, "\n")
    .replace(/null/ig, "")
    .replace(/&amp;amp;/g, "&amp;")
    .replace(/&amp;#39;/g,"'")
    .replace(/&amp;nbsp;/g," ")
    .replace(/•/g,'\n•')
</expression>

这里是这个表达式正在查看的 XML（为便于阅读而换行）：

<wd:Question_Employee_Comment>
    &lt;p>I don't even know where to start... Cupid wasn't @ his desk on 2/14/2015
    and I'm really upset because I've been really patient with his personal needs.
    Santa &amp;amp; I sat him down and have discussed why his attendance is important
    to success.&lt;/p>&lt;p>&lt;/p>&lt;p>He's been absent
    on:&lt;/p>&lt;ul>&lt;li>3/19/15&lt;/li>&lt;li>March 20,
    2015&lt;/li>&lt;li>05/01/2015&lt;/li>/ul>&lt;p>&lt;/p>&lt;p>All
    additional dates will be documented.&lt;/p>
</wd:Question_Employee_Comment>

Answer 1

这个正则表达式（或regexp）可以分解如下。

(&lt;([^>]+)>)

圆括号用于分组。

有时它们被用来记住匹配项以便在以后的工作中使用，尽管我没有看到在这个有限的代码示例中发生的任何证据。

有时它们用于允许多个替代选择（例如 (a|b|c)，但我在这里也没有看到。

由于括号在此表达式中没有任何作用，至少在匹配方面没有作用，所以我们忽略它们。剩下的是：

&lt;[^>]+>

其中一半只是要匹配的文字字符。匹配的开头必须是原义的 4 字符字符串 <，字符串的结尾是原义字符 >。中间是唯一的正则表达式位。

[^>]+

方括号表示一个字符class。在一个字符class里面，如果^是第一个字符，这里是反字符class，即，这意味着 "match things that are not these things"。所以，这个字符 class 表示 "match things that are not a >."

字符class后面的+叫做量词，表示"one or more of this thing".

所以，合起来就是"one or more things that are not a >."

整个表达式的意思是：匹配 < 后跟一个或多个不是 > 的东西，然后是 >.

表达式后是两个标志，i和g。 i 表示匹配 case-insensitively。它在这里不执行任何操作，因为您的表达式没有按字母顺序排列的匹配字符。 g标志表示全局匹配，即如果输入的匹配项不止一个，则全部匹配，而不是只匹配第一种。

现在，看看您的示例 XML，我相信表达式会进行一些编辑。请注意，您 post 只编辑了 <wd:Question_Employee_Comment> 的内容，但表达式实际上同时作用于 <wd:Question_Manager_Comment> 的内容和 <wd:Question_Manager_Comment> 的内容，如果它有值的话。 <wd:Question_Manager_Comment> 这里我就不评论了，因为你没有post它包含什么。

I don't even 之前的前导  将被换行符替换。
就在important to success之后，将被4个换行符取代。
就在absent on之后，<ul><li>将被3个换行符取代。
就在 3/19/15 之后，</li><li> 将被 2 个换行符替换。
就在 March 20, 2015 之后，</li><li> 将被 2 个换行符替换。
就在 5/01/2015 之后，</li> 将被换行符替换。
就在 All additional 之前，`
将被 3 个换行符替换。
最后， 会换行。

请注意，表达式 /ul>.

中遗漏了部分标记

结果：

<wd:Question_Employee_Comment>
    \nI don't even know where to start... Cupid wasn't @ his desk on 2/14/2015
    and I'm really upset because I've been really patient with his personal needs.
    Santa &amp;amp; I sat him down and have discussed why his attendance is important
    to success.\n\n\n\nHe's been absent
    on:\n\n\n3/19/15\n\nMarch 20,
    2015\n\n05/01/2015\n/ul>\n\n\nAll
    additional dates will be documented.\n
</wd:Question_Employee_Comment>

这是您特意询问的.replace()。进一步的工作也由完整表达式完成，比如将 &amp; 固定为 &，以及其他一些事情。我没有在这里进行所有这些转换，因为这些不是您提出的核心问题的一部分，但如果您不理解这些部分，可以详细说明。

Answer 2

replace 函数将用换行符替换所有 XML 标签，留下没有任何标记的纯文本。

备注：

replace 函数旨在应用于 XML；它不是 XML 本身。
它使用一个正则表达式来匹配一个XML标签。见丹的 answer 以获得对常规构造的很好描述表达式。
Regex is fundamentally the wrong way to process XML。使用真实的 XML 解析器或 XPath。

XML 中的正则表达式替换

Regexp replace in XML

javascript

regex

xml

birt