Perl正则表达式匹配：关键字可能存在或可能不存在

Question

我有如下字符串输入：

<Name>IncludeLeafPortfolios</Name><DataType>Boolean</DataType><Value>True</Value>
<Name>HierarchyDate</Name><DataType>Int</DataType><IsFixed>false</IsFixed>
<Name>HierarchyDate</Name><DataType>Int</DataType>
<Name>HierarchyDate</Name><DataType>Int</DataType><Value>0</Value><IsFixed>false</IsFixed>
<Name>HierarchyDate</Name><DataType>Int</DataType><Value>0</Value><IsFixed>false</IsFixed>

名称标签始终存在并且很有趣。 数据类型无关。 值标签和IsFixed标签可能存在或可能不存在。 目标是捕获Value标签，IsFixed标签（如果它们之一存在或两者都存在）。

我的解决方案不起作用：

$element =~ m/^<Name>([\w\s]*)<\/Name>.*([<Value>[\w+\d+]<\/Value>]?)(<IsFixed>[\w+]<\/IsFixed>])?$

请提出建议。 谢谢。

Answer 1

这些数据看起来像XML。 使用XML :: LibXML之类的库对其进行解析，然后对生成的结构执行操作。

不要使用正则表达式来处理XML。 结果与尝试对HTML使用正则表达式一样糟糕。

Answer 2

XML是上下文敏感的。 正则表达式不是。 因此，您不能可靠地使用正则表达式解析XML。

因此，请使用解析器。 我喜欢XML::Twig ，它将有点像这样：

#!/usr/bin/env perl
use strict;
use warnings;

use XML::Twig;
use Data::Dumper;

my $twig = XML::Twig -> new -> parsefile ( 'your_file.xml' );

my @keys = qw ( Name Value IsFixed ); 

my @rows; 
my %current_row; 
#iterate children
foreach my $node ( $twig -> root -> children ) { 
   #extract tag and content
   my $tag = $node -> tag;
   my $content = $node -> text; 
   $current_row{$tag} = $content; 
   #if it's a name tag, assume it's a new row. 
   if ($tag eq 'Name' and %current_row) {
       push @rows, {%current_row};
       undef %current_row;
   }
}
#output results. 
print join ",", @keys, "\n";
foreach my $row ( @rows ) {
   print join ",", (map { $row -> {$_} // '' } @keys),"\n";
}

哪个输出：

Name,Value,IsFixed,
IncludeLeafPortfolios,,,
HierarchyDate,True,,
HierarchyDate,,false,
HierarchyDate,,,
HierarchyDate,0,false,

但是，我会注意到您的XML很乱-您确定它的结构是这样吗？ 因为通常如果您具有“关联”标签，则它们将被分组在一个节点内。

例如：

<xml>
  <item>
     <Name>HierarchyDate</Name><DataType>Int</DataType><IsFixed>false</IsFixed>
  </item>
</xml>

这将大大简化问题，因为您可以：

foreach my $item ( $twig -> root -> children ) {
   print join ",", (map { $item -> first_child_text($_) // '' } @keys),"\n"; 
}