Perl 正则表达式匹配可选的空白字符

Question

我正在尝试从 XML 文件中解析/提取数据并检索必要的数据。

例如：

<about>
    This is an XML file
    that I want to
    extract data from
</about>
<message>Hello, this is a message.</message>
<this>Blah</this>
<that>Blahh</that>
<person> 
    <name>Jack</name>
    <age>27</name>
    <email>jack@gmail.com</email>
</person>

我在获取 <about> 标记中的内容时遇到问题。

这是我目前所拥有的：

(<\w*>)[\s*]?([\s*]?.*)(<\/\w*>)/m

我只是想提取标签名称和内容，这就是为什么我在那里有括号。即($tag = $1) =~ s/[<>]// 获取标签名称，$tagcontent = $2 获取标签内容。我将\s 用于空白字符（空格、制表符、换行符）和?，因为它可能会或可能不会出现* 的次数。

我正在通过http://www.regexe.com/ 对此进行测试，但没有成功匹配。

感谢任何帮助。提前致谢！

Answer 1

XML 不是正则语言，无法使用正则表达式准确解析。请改用 XML 解析器。这保证在所有情况下都有效，并且如果将来标记的格式发生变化，也不会中断。

但是，如果您完全确定格式，则可以使用以下正则表达式：

/<(\w+)>\s*(.*?)\s*<\/\1>/s

解释：

• / - 起始分隔符
• <(\w+)> - 开始标签
• \s* - 匹配中间的可选空格
• (.*?) - 匹配标签内的内容
• \s* - 匹配中间的可选空格
• <\/\1> - 匹配结束标签。 \1 这是一个反向引用，其中包含第一个捕获组匹配的内容。
• / - 结束分隔符

注意s 修饰符和m 修饰符完全不同，做不同的事情。请参阅 this answer 了解有关每个功能的更多信息。

Regex101 Demo

Answer 2

我建议您不要尝试使用正则表达式来解析 XML，而是使用实际的 XML Parser。

下面使用XML::LibXML在'about'节点中显示文本。不过，另一个优秀的框架是XML::Twig。

use strict;
use warnings;

use XML::LibXML;

my $xml = XML::LibXML->load_xml(IO => \*DATA);

my $about = $xml->findvalue('//about');

print $about, "\n";

__DATA__
<root>
<about>
    This is an XML file
    that I want to
    extract data from
</about>
<message>Hello, this is a message.</message>
<this>Blah</this>
<that>Blahh</that>
<person> 
    <name>Jack</name>
    <age>27</age>
    <email>jack@gmail.com</email>
</person>
</root>

输出：

    This is an XML file
    that I want to
    extract data from