Notepad++ 删除带有特定文本的标签

【问题标题】：Notepad++ deleting tags with specific text insideNotepad++ 删除带有特定文本的标签
【发布时间】：2016-05-30 14:37:23
【问题描述】：

我有一个包含产品的大型 XML 文件。我正在尝试删除所有缺货的产品。文件大小超过 20MB。

<product>
  <name>bla1</name>
  <price>50$</price>
  <stock>yes</stock>
  <description>bla</description>
</product>

<product>
  <name>bla2</name>
  <price>60$</price>
  <stock>no</stock>
  <description>bla</description>
</product>

...

是否可以使用 Notepad++ 的正则表达式删除它们，或者我应该使用 simpleXML(PHP) 或类似的东西？

我的基本 PHP 代码：

$url = 'input/products.xml';
    $xml = new SimpleXMLElement(file_get_contents($url));

    foreach ($xml->product->children() as $product) {

        //finding out of stock products and deleting them

    }
    $xml->asXml('output/products.xml');

【问题讨论】：

  • 每个product 都有一个stock 元素吗？
  • 该文件有超过 30k+ 行，但据我所知，是的。每个产品都有一个股票元素，里面有各种文本。 （有货，缺货，新进货）

标签： php regex xml notepad++


【解决方案1】：

转发

通过正则表达式进行模式匹配并不理想，如果您可以访问 PHP，那么我建议使用适当的 HTLM 解析工具。话虽如此，我提供了一个可以在 Notepad++ 中使用的解决方案

说明

&lt;product\s*(?:[^&gt;=]|='[^']*'|="[^"]*"|=[^'"][^\s&gt;]*)*?\s?\/?&gt;(?:(?!&lt;/product).)*&lt;stock\s*(?:[^&gt;=]|='[^']*'|="[^"]*"|=[^'"][^\s&gt;]*)*?\s?\/?&gt;no&lt;/stock&gt;(?:(?!&lt;/product).)*&lt;\/product&gt;

替换为： nothing

为了更好地查看图像，您可以右键单击它并选择在新窗口中查看。

此正则表达式将执行以下操作：

  • 找到整个产品部分
  • 需要子标签stock
  • 要求子标签stock 的值为no
  • 避免使 HTML 中的模式匹配变得困难的极端情况

从记事本++

在 Notepad++ 中，请注意您应该使用 notpad++ 6.1 或更高版本，因为旧版本中的正则表达式问题现已解决。

  1. 按ctrlh进入查找替换 模式

  2. 选择正则表达式选项

  3. 在“查找内容”字段中放置正则表达式

  4. 在“替换为”字段中输入``

  5. 点击全部替换

示例

现场演示

https://regex101.com/r/cW9nC5/1

示例文本

<product>
  <name>bla1</name>
  <price>50$</price>
  <stock>yes</stock>
  <description>bla</description>
</product>

<product>
  <name>bla2</name>
  <price>60$</price>
  <stock>no</stock>
  <description>bla</description>
</product>

替换后

<product>
  <name>bla1</name>
  <price>50$</price>
  <stock>yes</stock>
  <description>bla</description>
</product>

说明

NODE                     EXPLANATION
----------------------------------------------------------------------
  <product                 '<product'
----------------------------------------------------------------------
  \s*                      whitespace (\n, \r, \t, \f, and " ") (0 or
                           more times (matching the most amount
                           possible))
----------------------------------------------------------------------
  (?:                      group, but do not capture (0 or more times
                           (matching the least amount possible)):
----------------------------------------------------------------------
    [^>=]                    any character except: '>', '='
----------------------------------------------------------------------
   |                        OR
----------------------------------------------------------------------
    ='                       '=\''
----------------------------------------------------------------------
    [^']*                    any character except: ''' (0 or more
                             times (matching the most amount
                             possible))
----------------------------------------------------------------------
    '                        '\''
----------------------------------------------------------------------
   |                        OR
----------------------------------------------------------------------
    ="                       '="'
----------------------------------------------------------------------
    [^"]*                    any character except: '"' (0 or more
                             times (matching the most amount
                             possible))
----------------------------------------------------------------------
    "                        '"'
----------------------------------------------------------------------
   |                        OR
----------------------------------------------------------------------
    =                        '='
----------------------------------------------------------------------
    [^'"]                    any character except: ''', '"'
----------------------------------------------------------------------
    [^\s>]*                  any character except: whitespace (\n,
                             \r, \t, \f, and " "), '>' (0 or more
                             times (matching the most amount
                             possible))
----------------------------------------------------------------------
  )*?                      end of grouping
----------------------------------------------------------------------
  \s?                      whitespace (\n, \r, \t, \f, and " ")
                           (optional (matching the most amount
                           possible))
----------------------------------------------------------------------
  \/?                      '/' (optional (matching the most amount
                           possible))
----------------------------------------------------------------------
  >                        '>\r\n'
----------------------------------------------------------------------
  (?:                      group, but do not capture (0 or more times
                           (matching the most amount possible)):
----------------------------------------------------------------------
    (?!                      look ahead to see if there is not:
----------------------------------------------------------------------
      </product                '</product'
----------------------------------------------------------------------
    )                        end of look-ahead
----------------------------------------------------------------------
    .                        any character except \n
----------------------------------------------------------------------
  )*                       end of grouping
----------------------------------------------------------------------
  <stock                   '<stock'
----------------------------------------------------------------------
  \s*                      whitespace (\n, \r, \t, \f, and " ") (0 or
                           more times (matching the most amount
                           possible))
----------------------------------------------------------------------
  (?:                      group, but do not capture (0 or more times
                           (matching the least amount possible)):
----------------------------------------------------------------------
    [^>=]                    any character except: '>', '='
----------------------------------------------------------------------
   |                        OR
----------------------------------------------------------------------
    ='                       '=\''
----------------------------------------------------------------------
    [^']*                    any character except: ''' (0 or more
                             times (matching the most amount
                             possible))
----------------------------------------------------------------------
    '                        '\''
----------------------------------------------------------------------
   |                        OR
----------------------------------------------------------------------
    ="                       '="'
----------------------------------------------------------------------
    [^"]*                    any character except: '"' (0 or more
                             times (matching the most amount
                             possible))
----------------------------------------------------------------------
    "                        '"'
----------------------------------------------------------------------
   |                        OR
----------------------------------------------------------------------
    =                        '='
----------------------------------------------------------------------
    [^'"]                    any character except: ''', '"'
----------------------------------------------------------------------
    [^\s>]*                  any character except: whitespace (\n,
                             \r, \t, \f, and " "), '>' (0 or more
                             times (matching the most amount
                             possible))
----------------------------------------------------------------------
  )*?                      end of grouping
----------------------------------------------------------------------
  \s?                      whitespace (\n, \r, \t, \f, and " ")
                           (optional (matching the most amount
                           possible))
----------------------------------------------------------------------
  \/?                      '/' (optional (matching the most amount
                           possible))
----------------------------------------------------------------------
  >no</stock>              '>no</stock>'
----------------------------------------------------------------------
  (?:                      group, but do not capture (0 or more times
                           (matching the most amount possible)):
----------------------------------------------------------------------
    (?!                      look ahead to see if there is not:
----------------------------------------------------------------------
      </product                '</product'
----------------------------------------------------------------------
    )                        end of look-ahead
----------------------------------------------------------------------
    .                        any character except \n
----------------------------------------------------------------------
  )*                       end of grouping
----------------------------------------------------------------------
  <                        '<'
----------------------------------------------------------------------
  \/                       '/'
----------------------------------------------------------------------
  product>                 'product>'
----------------------------------------------------------------------

【讨论】：

  • 感谢您的详细回答，就像一个魅力。我正在编写 PHP 脚本，它将处理来自供应商的多个 XML 文件并将它们集成到一个 CSV 文件中，但在那之前，我不得不手动编辑 XML 以适应我们的商店。
【解决方案2】：

我猜记事本++会更容易，即：

FIND : &lt;product&gt;\s+&lt;name&gt;.*?&lt;\/name&gt;\s+&lt;price&gt;.*?&lt;\/price&gt;\s+&lt;stock&gt;no&lt;\/stock&gt;\s+&lt;description&gt;.*?\/description&gt;\s+&lt;\/product&gt;
REPLACE : 什么都没有

演示

https://regex101.com/r/fH0mM7/1

注意

请务必勾选底部的Regular Expression

【讨论】：

    【解决方案3】：

    您可以使用以下代码使用 PHP 来完成此操作

    <?php
    $url = 'input/products.xml';
    $xml = new SimpleXMLElement(file_get_contents($url));
    $i = count($xml) - 1; 
    for ($i; $i >= 0; --$i) {   
       $product = $xml->product[$i];
       if ($product->stock == "no") {
          unset($xml->product[$i]);
       }
    }
    $xml->asXml('output/products.xml');
    ?>

    【讨论】：

    • 我已经用@RoYoMi 的回答解决了这个问题，但我肯定需要你对我正在处理的 PHP 脚本的回答，非常感谢。
    猜你喜欢
    • 2014-06-21
    • 1970-01-01
    • 1970-01-01
    • 2013-05-19
    • 2022-06-11
    • 1970-01-01
    • 2016-12-06
    • 2022-08-23
    • 1970-01-01
    相关资源
    最近更新 更多
    热门标签
    Java Python linux javascript Mysql C# Docker 算法 前端 SpringBoot Redis Vue spring 设计模式 .net core .net kubernetes c++ 数据库 数据结构 大数据 js 机器学习 微服务 Android Go 程序员 面试 JVM ASP.net core 云原生 人工智能 后端 PHP git CSS golang k8s Nginx Django mybatis 深度学习 多线程 React 架构 devops 爬虫 云计算 Spring Boot LeetCode