正则表达式 - 取消格式化 XML答案

【问题标题】：Regex - Unformat XML正则表达式 - 取消格式化 XML
【发布时间】：2021-01-16 21:04:15
【问题描述】：

我正在尝试将 XML 取消格式化为单行。（使用 JAVA）

我尝试使用以下正则表达式来替换。

input.replaceAll(">\\s+", ">").replaceAll("\\s+<", "<");

但是，它也会删除元素前后的空间。这是出乎意料的。

例如：

场景01

之前：<AAA>{space}{space}{space}</AAA>

之后：<AAA></AAA>

场景02

之前：<AAA>{space}{space}123{space}{space}</AAA>

之后：<AAA>123</AAA>

场景 03

之前：<AAA>{space}A{space}B{space}C{space}</AAA>

之后：<AAA>A{space}B{space}C</AAA>

有没有办法取消格式化并避免上述情况？

【问题讨论】：

相关：stackoverflow.com/a/1732454/18356
不相关。 OP 要求通过替换换行符来重新格式化 XML，而不是解析任何内容。这非常可以使用正则表达式。
使用正则表达式处理 XML 总是很危险的。每次都使用 XML 解析器要好得多。

标签： java regex xml indentation

【解决方案1】：

撒克逊解决方案：

Processor p = new Processor(false);
DocumentBuilder db = p.newDocumentBuilder();
db.setWhitespaceStrippingPolicy(WhitespaceStrippingPolicy.ALL);
XdmNode doc = db.build(new File(...));
Serializer s = p.newSerializer(new File(...));
s.serialize(doc.asSource());

通过在 Serializer 对象上设置属性，您可以对输出格式进行相当多的控制。

【讨论】：

【解决方案2】：

这将仅替换标签结束和前面标签开始之后的垂直空格，例如"\n"、"\r" 或组合等。

input.replaceAll(">\\v+", ">").replaceAll("\\v+<", "<");

摘自https://www.regular-expressions.info/shorthand.html 说：

\v 匹配“垂直空白”，其中包括在 Unicode 标准中被视为换行符的所有字符。与[\n\cK\f\r\x85\x{2028}\x{2029}]相同。

【讨论】：