正则表达式从字符串中删除 xml 声明答案

【问题标题】：Regex to remove xml declaration from a string正则表达式从字符串中删除 xml 声明
【发布时间】：2010-11-08 15:26:30
【问题描述】：

首先，我知道这是一个糟糕的解决方案，我不应该这样做。

背景：随意跳过

但是，我需要快速修复实时系统。我们目前有一个数据结构，它通过一系列字符串构建器创建“xml”片段，将自身序列化为字符串。这是否是有效的 XML 我相当怀疑。在创建这个 xml 之后，在通过消息队列发送它之前，一些清理代码会在字符串中搜索 xml 声明的出现并删除它们。

这样做的方式（迭代每个字符为<?xml 执行 indexOf）非常慢，导致线程超时并杀死我们的系统。最终我会尝试正确修复这个问题（使用 xml 文档或类似的东西构建 xml），但今天我需要一个快速修复来替换那里的内容。

请记住，我知道这远非理想的解决方案，但我需要快速修复以使我们恢复正常运行。

问题

我想使用正则表达式来查找声明。我打算：<\?xml.*?>，然后使用Regex.Replace(input, string.empty) 删除。

如果这个正则表达式有任何明显的问题，您能否告诉我，或者只是在代码中使用 string.IndexOf("<?xml") 和 string.IndexOf("?>") 对在（更明智的）循环中编写它更好。

编辑我需要处理换行符。

会：<\?xml[^>]*?> 解决问题吗？

EDIT2

感谢您的帮助。正则表达式明智 <\?xml.*?\?> 工作正常。我最终编写了一些计时代码并使用 ar egex 和 IndexOf() 进行了测试。我发现，对于我们最简单的用例，只需声明剥离即可：

几乎一秒钟
.01 秒的正则表达式
无法使用循环和IndexOf()

所以我选择了IndexOf()，因为它是一个非常简单的循环。

【问题讨论】：

首先检查它是否实际上是有效的 XML - 如果是这样，那么会有更好且仍然有效的答案。是否有过 XSD 的尝试？
@annakata：没有 XDS，这一切都只是手写/拼凑在一起，或者看起来是这样。我怀疑如果尝试解析它会发生的第一件事是由于多个 xml 声明而失败。最终，我的计划是让每个类将自身序列化为 VIA 一个 XmlDoc 或等效字符串，以获取有效的 XML。
它可能会失败，但第一步是检查，第二件事是仔细检查诸如 beautifulsoup 之类的东西不会拯救你。

标签： c# xml regex tidy

【解决方案1】：

您可能想要这个：<\?xml.*\?> 或这个：<\?xml.*?\?>，因为按照您现在的方式，正则表达式不是在寻找“？>”，而只是寻找“>”。我不认为你想要第一个选项，因为它很贪婪，它会删除第一次出现 '' 之间的所有内容。只要您没有嵌套的 XML 标记，第二个选项就可以工作。如果这样做，它将删除第一个“”之间的所有内容。如果你有另一个''标签。

另外，我不知道 .NET 中的正则表达式是如何实现的，但我严重怀疑它们是否比使用 indexOf 更快。

【讨论】：

谢谢。我只是添加 /i 修饰符以使其不区分大小写。 /<\?xml.*\?>/i
@ArthurShlain xml 标签区分大小写。您可能有充分的理由超越规范，但我们仍然应该承认这一点。 /i 匹配的内容超出了 XML 解析器所允许的范围。

【解决方案2】：

strXML = strXML.Remove(0, sXMLContent.IndexOf(@"?>", 0) + 2);

【讨论】：