如何在java中执行replaceAll排除注释

Question

我有一个文件，通常是 XML 文件。我想用“p.q”替换所有出现的“x.y”。但是在这个替换过程中，我想忽略 cmets() 中 x.y 的出现。

我试图使用 String.replaceAll() 来执行这个任务。

例如：

<?xml version="1.0" encoding="UTF-8"?>
<name>This occurrence of x.y should be replaced</name>
<!-- This occurrence of x.y should not be replaced -->

我尝试使用 String.replaceAll("x[\.]y", "p.q") 但我可以看到 cmets 中的出现也被替换了

我可以使用其他替代方法，通过它我可以逐行读取文件并排除以 cmets 开头的行，但我有兴趣使用 replaceAll()

请提供一种实现方式。

Answer 1

虽然严格来说这不是您要寻找的答案，但我有一个建议。

我建议使用适当的 XML 解析器（如 Java DOM）来检查和替换节点中的文本，而不是将您的 XML 当作原始的 String 处理。如果它们不是评论，则此类内容应替换节点中的相应文本。

File f = new File("your.xml");
DocumentBuilderFactory dbFactory = DocumentBuilderFactory.newInstance();
DocumentBuilder dBuilder = dbFactory.newDocumentBuilder();
Document doc = dBuilder.parse(f);

NodeList eList = doc.getElementsByTagName("*");
for (int e = 0; e < eList.getLength(); e++) {
    Node element = eList.item(e);
    NodeList nList = element.getChildNodes();
    for(int n = 0; n < nList.getLength(); n++){
        Node node = nList.item(n);
        if(node.getNodeType()==Node.TEXT_NODE){
            node.setNodeValue(node.getNodeValue().replace("x.y", "p.q")); 
        }
    }
}

如果内存/效率是一个问题（例如当 your.xml 很大时），您最好使用SAX，它更快（代码更密集）并且不会将 XML 存储在内存中。

编辑您的Document 后，您可能需要use a Transformer 来创建合适的输出。 （Official guide here，蜘蛛鲍里斯的屈膝礼）

希望这会有所帮助。

进一步阅读；

• Official Java DOM tutorials
• Parsing HTML the Cthulhu way (why parsing XML/HTML with regex is bad)
• Why is it such a bad idea to parse XML with regex?
• Using regular expressions to parse HTML: why not?
• Comical Answer about parsing [X]HTML with regex

Answer 2

如果使用正则表达式，一个选项是使用 lookarounds 来检查是否仅替换外部 cmets：

(?s)x\.y(?!(?:(?!<!--).)+-->)

作为 Java 字符串：

"(?s)x\\.y(?!(?:(?!<!--).)+-->)"

使用(?s) DOTALL modifier 使. 也匹配换行符。

Test at regexplanet（点击Java）