正则表达式修复格式错误的 XML 属性，删除标签中的空格

Question

我很不幸遇到了很多格式错误的 XML。
我无法获得正确的正则表达式来删除属性/键内的 2 个空格。

我当前的正则表达式还会检查是否存在有效的“=”属性。

XML 属性必须有一个值或 / 和一个键。

例如

<ImValid></ImValid>
<Im not Valid></Im not Valid>
<ImValid with="somthing"></ImValid>

这是我的格式错误的 XML：

<Addresses>
  <Address>
    <Delivery id>123123</Delivery id>
    <Delivery Code Id>123123</Delivery Code Id>
    <Full Name>Agent Smith</Full Name>
  </Address>
  <Address>
    <Delivery id>12322123</Delivery id>
    <Delivery Code Id>12zz3123</Delivery Code Id>
    <Full Name>Mr Anderson</Full Name>
  </Address>
<Addresses>

我正在尝试使用正则表达式修复它。

AstringVar => Regex.Replace(AstringVar , @"(?=<[^=]+?>)(?=</?\w+\s+\w+)(<.*?)(\s+)(.*?>)", @"$1$3", RegexOptions.CultureInvariant | RegexOptions.IgnoreCase)

这将改变这一切

<Full Name>Mr Anderson</Full Name>

这个

<FullName>Mr Anderson</FullName>

改进..但也缺少最后一个空格..

<DeliveryCode Id>12zz3123</DeliveryCode Id>

好吧...我可以运行两次...但是.. 看起来很丑... 我怎样才能同时获得 1 个空格和 2 个空格，同时又避免这些值 感谢任何可以提供帮助的正则表达式英雄...！

这里是regex101https://regex101.com/r/dVs51I/3

Answer 1

查看您的模式，您想要：

• <[^=]+?>

  确保

  =

   之间没有 

  <...>

• (?=</?\w+\s+\w+)

  确保第一个字符是

  <

  或

  </

  之后的单词字符，并且至少有一个空格字符和第二个单词字符

• (<.*?)(\s+)(.*?>)

  匹配

  <...>

之间的 1 个或多个空白字符

这里的问题是

(<.*?)(\s+)(.*?>)

将只有一个匹配项。

此外，当您有

<test ></test >

时，您将不会匹配最后一个空格，因为只有一个单词。

---

注意，这是给定的示例，并不是万无一失的 xml 的多功能性。

使用 C#，您可以在后行断言中使用无限量词来获取多个匹配项。

(?<=</?\s*\w[^<>=]*)\s+(?=[^=<>]*>)

模式匹配：

• (?<=

  正向后看，断言左边是

  • </?

    匹配

    <

    或

    </

  • \s*\w

    匹配可选的空白字符，后跟单个单词字符

  • [^<>=]*

    可选择重复匹配除

    <

    之外的任何字符

    >

    =

• )

  关闭lookbehind断言

• \s+

  匹配 1 个或多个空白字符

• (?=

  正向前瞻，断言右侧是

  • [^=<>]*

    可选择重复匹配除

    <

    之外的任何字符

    >

    =

• >)

  匹配

  >

查看 C# 正则表达式演示。