正则表达式在 xml 中查找缺少的结束标记

Question

我有一些 xml，它是一个带有一些不匹配标签的 nlp 提取工具。我试图然后使用正则表达式来查找不匹配的标签并纠正问题，但我被困在正则表达式部分。

我可以选择<Name> 标签的所有实例，但我只想选择那些没有结束标签的实例，并使用替换来添加匹配的结束标签。如何缩小范围并正确更换？

xx 的实际结果是(<Name>.*)</Name>，但我需要它是<Name>Margrethe II</Name>。

查找： <Name>.*

替换： (<Name>.*)</Name>

import re

mmt = """<Sovereigns>
    <Queens>
        <Queen>
            <Name>Elizabeth II</Name>
            <Country>Great Britain and Northern Ireland</Country>
        </Queen>
        <Queen>
            <Name>Margrethe II
            <Country>Denmark</Name></Country>
        </Queen>
    </Queens>
</Sovereigns>"""

# remove extra closing tag
x = re.sub("</Name><", "<", mmt)
# add closing tag to those missing
xx = re.sub("<Name>.*", "(<Name>.*)</Name>", mmt)

Answer 1

您希望您的xx 行是：

xx = re.sub("<Name>(?!.*</Name>)(.*)", r"<Name>\1</Name>", mmt)

1. <Name> 匹配 <Name>
2. (?!.*</Name>) 一个负前瞻，表示该行的其余部分不得包含 </Name>
3. (.*) 匹配捕获组 1 中的其余行。

替换包含对捕获组 1 的反向引用。