是否可以使用 Notepad++ Regex 从 XML 中获取元素？ [复制]答案

【问题标题】：Is possible to get elements from XML using Notepad++ Regex? [duplicate]是否可以使用 Notepad++ Regex 从 XML 中获取元素？ [复制]
【发布时间】：2019-03-20 15:04:24
【问题描述】：

我有一个具有不同 Item 的 XML，其中可能包含名为 SerialNumber 的属性 Setting。我正在尝试获取所有项目名称后跟序列号。

我的方法是使用 Notepad++ 正则表达式来获取 Item 的名称和名为 SerialNumber 的属性 Setting 的值，如下所示：

发件人0；3990 发件人3；4444 发件人4；7774

但尝试它我唯一能得到的是notepad++选择所有文本......我的快速方法是这样的：

^<Item Name="(.*)" Category=".*<Setting Name="SerialNumber">(.*)</Setting>.*</Item>

并替换：

(\1);(\2)

XML：

    <Item Name="Sender0" Category="" ClassName="Cars" Schedule="" Enabled="true">
     <Setting>...</Setting>
     <Setting Name="SerialNumber">3990</Setting>
     <Setting>...</Setting>
    </Item>
    <Item Name="Sender1" Category="" ClassName="Cars" Schedule="" Enabled="true">
     <Setting>...</Setting>
     <Setting>...</Setting>
     <Setting>...</Setting>
    </Item>
    <Item Name="Sender2" Category="" ClassName="Cars" Schedule="" Enabled="true">
     <Setting>...</Setting>
     <Setting>...</Setting>
     <Setting>...</Setting>
    </Item>
    <Item Name="Sender3" Category="" ClassName="Cars" Schedule="" Enabled="true">
     <Setting>...</Setting>
     <Setting Name="SerialNumber">4444</Setting>
     <Setting>...</Setting>
    </Item>
    <Item Name="Sender4" Category="" ClassName="Cars" Schedule="" Enabled="true">
     <Setting>...</Setting>
     <Setting Name="SerialNumber">7774</Setting>
     <Setting>...</Setting>
    </Item>

希望你能帮助我，谢谢:)

【问题讨论】：

Regex + XML = evil evil evil ...不是我的反对意见，但 NPP 中的正则表达式在这里也不是最好的。研究使用 XML 解析器。
蒂姆是对的。您还可以使用哪些其他技术？例如，Powershell 是一种选择吗？
Regex 不起作用，因为 regex 不能与 XML 一起使用。使用一种用于 XML 处理的工具，它们的存在是有原因的。
确实，是的。如果处理此文件是您的任务，我建议使用 Powershell，因为该方法在 Windows 中具有零外部依赖性。如果您只是选择它作为学习正则表达式的一种方式，我建议您使用 XML 以外的东西。
Obligatory link about the futility of trying to parse X/HTML with regexes

标签： regex xml notepad++

【解决方案1】：

我认为正则表达式是viable。除非你遗漏了问题的一些细节。

试试这个：

搜索：\s*<Item\s*Name="([^"]+)"[^>]+>(?:\s*<Setting>.*?<\/Setting>)*(?:\s*<Setting Name="SerialNumber">(.*?)<\/Setting>)?(?:\s*<Setting>.*?<\/Setting>)*\s*<\/Item>

替换为：(?2\1;\2 )

在 notepadd++ 中，给定输入的输出将是：Sender0;3990 Sender3;4444 Sender4;7774

注意：不要不要使用. matches new line 选项。另外，如果需要，请使用match case。

说明：

\s*                  # 0 or more spaces (space, tab, new line...)
<Item                # Literal '<item'
    \s*              
    Name="           # Literal 'Name="'
        ([^"]+)      # Any non (") character repeated one or more times
                     #   stored on the first capturing group
    "                # Literal "
    [^>]+            # Any non (>) character repeated one or more
>                    # Literal >
# After searching for Item Name, there must exists its serial number.
# The serialNumber may be sorrounded by other settings, so We will search:
# perhapsSomeSettings + serialNumber + perhapsSomeSettings
# so that we will be able to find (if exists) the serial number wether it
# is placed as the first, last or middle tag.
(?:     # group
    \s*
    <Setting>.*?<\/Setting>
)*      # repeat 0 or more
(?:     # This 'setting' group will have the serial number
    \s*
    <Setting Name="SerialNumber">
    (.*?)    # We capture the data (second capturing group)
    <\/Setting>
)?     # Optional
(?:    
    \s*
    <Setting>
        .*?
    <\/Setting>
)*
\s*
<\/Item>

请参阅 this 关于贪婪/懒惰的量词。

对于替换我们使用(?2\1;\2 )

(?2) 是 notepadd++ (boost) 正则表达式中的特殊语法。这意味着如果第二个捕获组存在，则应用里面的内容。所以在我们的例子中(?2\1;\2 ) 如果存在第二个捕获组，我们的替换将是第一个捕获组（名称）、; 和第二个捕获组（序列号）

【讨论】：

如果您能稍微解释一下您的正则表达式，我将非常感激，出于学习目的并防止像我这样的人陷入此类问题:)
当然，@Ralsho。我编辑了我的答案以添加解释。