嵌套 XML 属性的正则表达式

Question

假设我有以下字符串：

"<aa v={<dd>sop</dd>} z={ <bb y={ <cc x={st}>ABC</cc> }></bb> }></aa>"

如何编写通用正则表达式（标签名称更改、属性名称更改）以匹配 {} 中的内容，<dd>sop</dd> 或 <bb y={ <cc x={st}>ABC</cc> }></bb>。

我写的正则表达式 "(\s*\w*=\s*\{)\s*(<.*>)\s*(\})" 匹配

"<dd>sop</dd>} z={ <bb y={ <cc x={st}>ABC</cc> }></bb>" 这是不正确的。

Answer 1

您正在尝试处理平衡的括号组。这需要递归正则表达式。根据定义，递归正则表达式是不规则的。无论如何，有些语言支持它们，例如Perl，PHP，ruby。 This 是关于该主题的很好的教程。

通常，您应该使用成熟的解析器（如 yacc）提取此类信息。

这是一个可以处理 非平衡 大括号的正则表达式：([ =]*)=(\{[^}]*\})。这将匹配 {<dd>sop</dd>} 和 {st}，这是正确的。不幸的是，它也会匹配 { <bb y={ <cc x={st}，这不是您想要的。

Answer 2

在通用正则表达式中，无法很好地处理嵌套。因此，当出现这样的问题时，所有的胜利 - 永远不要使用正则表达式来解析 XML/HTML.

在一些简单的情况下，它可能是有利的。如果像您的示例一样，嵌套的层数有限，您可以非常简单地为每一层添加一个正则表达式。

现在让我们分步进行。要处理第一个未嵌套的属性，您可以使用

{[^}]*}

这匹配一个起始大括号，后跟任意数量的任何东西但一个右大括号，最后是一个右大括号。为了简单起见，我将把它的核心放在一个非捕获组中，比如

{(?:[^}])*}

这是因为在插入备用的时候，需要它。

如果您现在允许除了右大括号 ([^}]) 之外的任何东西也是另一个嵌套的大括号 并简单地加入第一个正则表达式，例如

{(?:{[^}]*}|[^}])*}
    ^^^^^^^    original regex inserted as alternative (to it self)

它允许一层嵌套。再次做同样的事情，加入这个正则表达式作为自身的替代，比如

{(?:{(?:{[^}]*}|[^}])*}|{[^}]*}|[^}])*}
        ^^^^^^^^^^^^^^^    previous level repeated

将允许另一层嵌套。如果需要，可以对更多级别重复此操作。

虽然这不处理属性名称和其他内容的捕获，因为您的问题不太清楚您想要什么，但它向您展示了一种方式（i.m.o。最容易理解的, 或... :P) 来处理正则表达式中的嵌套。

此致

Regex for nested XML attributes