如何在 XML 标记之间的多行上查找文本答案

【问题标题】：How can I find text on more than one line between XML tags如何在 XML 标记之间的多行上查找文本
【发布时间】：2014-03-30 06:42:03
【问题描述】：

我有这样的xml数据

<DBCONNECTION>
 <SERVER>1111111</SERVER>
 <DBNAME>222222222</DBNAME>
 <USER>333333333333</USER>
 <PASSWORD>444444444</PASSWORD>
 <TABLENAME>5555555555</TABLENAME>
</DBCONNECTION>
<DBCONNECTION>
 <SE>ABC</SERVER>
 <DBNAME>DEF</DBNAME>
 <USER>GHI</USER>
 <PASSWORD>JKL</PASSWORD>
 <TABLENAME>MNO</TABLENAME>
</DBCONNECTION>

我写了perl提取标签之间的文本

#!/usr/bin/perl  
@files = <*.xml>;
open my $out, '>', 'output.xml' or die $!;
foreach $file (@files) {
  open   (FILE, "$file");
  while($line= <FILE> ){
    if ($line =~ /<DBCONNECTION>(.*?)<\/DBCONNECTION>/)
    {
      $a=$1;
      print $out("$a\n"); 
    }
  }
  close FILE; 
}

但当 XML 标记之间没有换行符时，此方法有效。现在我想查找标签并提取 XML 文件是否包含换行符。

【问题讨论】：

“输入标记”是什么意思？
Entet 标记表示在键盘中输入字符，每个 xml 标记的新行。
您的意思是要提取多行 XML 元素的值吗？然后你不会逐行解析文件。对不起，我对英语的理解力下降了。
查找 (.*?) 之间的所有标签并写入文本输出文件，但我的脚本只工作 xml 包含每个标签没有新行。
使用真正的 XML 库。

标签： xml regex perl xml-parsing

【解决方案1】：

Never use regular expressions to parse HTML (or XML for that matter).

使用专门的库，例如 XML::Twig。

如果您坚持（其他人 - 不要这样做），您可以读取内存中的整个文件，然后运行正则表达式。它在各种情况下都会失败，但你已经被警告过几次了。

#!/usr/bin/perl
use strict;  # also, learn to use strict
undef $/;  # no line separator; slurp files entirely in memory

my @files = <*.xml>;
open my $out, '>', 'output.xml' or die $!;
foreach my $filename (@files) {
  open my $file, '<', $filename or die $!;
  my $contents = <$file>;

  while ($contents =~ /<DBCONNECTION>(.*?)<\/DBCONNECTION>/sg) {  # note the /sg
    print $1, "\n";
  }
  close $file;
}

要了解 /sg 在正则表达式末尾的作用，请阅读http://perldoc.perl.org/perlre.html#Modifiers

【讨论】：

仅用于解析 xml 提取文本。
是的，用于提取文本，it's a bad idea to use regexps。
你能举一些例子说明什么时候会失败吗？
例如，当您有包含<DBCONNECTION> 的CDATA 元素时，标签中有空格时，当同名标签嵌套时（<DB>...stuff1<DB>more stuff2</DB> end of stuff 1</DB>）等等。相信我们，使用一个真正的图书馆。