问XML文档所需的正则表达式

EN

通常，您需要一个xml解析器来处理xml文档。正则表达式不足以处理所有情况。。

对regexes使用perl语法：

m{
  [ ][ ]  # double spaces
  |
  \t    # tab
  |    
  $\s*$  # extra enter separated only by whitespace. Note: requires `m` flag
  |  
  # XXX: it works only on simple xml
  <[^<>]*$[^<>]*> # line break inside tag
  |
  # XXX: it works only on simple xml
  [ ]</[^<>]+> |
  </[^<>]+>[ ] # space after/before closing tag
}mxg;

演示

很抱歉，这不会是一个很好的答案，但也许我能帮上一点忙。现在，对于步骤1、2和3，要匹配这样的步骤并不困难。

标签是\t

新行为\r或\n

空白(空格、制表符或新行)为\s。

因此1制表符：(T)两个空格= (\s\s)或(s{2})和一条额外的行通常由一行中的两个行分隔，但有时它们可以用空格分隔，所以请注意.(\*\r)\n*\n)

要将其结合起来，步骤1/2/3包含了捕获组：

  (\r\s*\r)|(\n\s*\n)|(\t)|(\s{2})

但是4和5呢？

如果<没有对应的>，或者不是文档结构的一部分，那么它们都需要能够在正则表达式中回溯。这种情况可能发生在无效的XML中，或者发生在CDATA部分等等。它变得很复杂，但是可以用递归正则表达式来完成。但是，我不知道c++中有一个正则表达式库支持递归。对不起，但是手工解析字符串数据可能要容易得多。

现在，一些正则表达式方言是不同的，所以您的里程可能会有所不同。作为参考，虽然我倾向于使用http://www.regular-expressions.info/quickstart.html