正則表達式刪除XML以外的所有內容

Question

我需要有關Notepad ++的正則表達式的幫助，以匹配除XML以外的所有內容

我正在使用的正則表達式： (!?\\<.*\\>) <-我想要與此相反（在前三行中）

示例代碼：

[20173003] This text is what I want to delete [<Person><Name>Foo</Name><Surname>Bar</Surname></Person>], and this text too.
[20173003] This is another text to delete [<Person><Name>Bar</Name><Surname>Foo</Surname></Person>]
[20173003] This text too... [<Person><Name>Lorem</Name><Surname>Ipsum</Surname></Person>], delete me!
[20173003] But things like this make the regex to fail < [<Person><Name>Lorem</Name><Surname>Ipsum</Surname></Person>], or this>

預期結果：

<Person><Name>Foo</Name><Surname>Bar</Surname></Person>
<Person><Name>Bar</Name><Surname>Foo</Surname></Person>
<Person><Name>Lorem</Name><Surname>Ipsum</Surname></Person>
<Person><Name>Lorem</Name><Surname>Ipsum</Surname></Person>

提前致謝！

Answer 1

這並不完美，但是應該與看起來非常簡單且結構合理的輸入一起使用。

如果只需要處理一個未嵌套的<Person>標記 ，則可以使用簡單的(<Person>.*?</Person>)|. regex（將匹配任何<Person>標記並將其捕獲到組1中並將匹配任何其他字符）並替換為條件替換模式(?{1}$1\\n:) （它將在其后用換行符重新插入Person標記）或將匹配項替換為空字符串）：

為了使它更加通用 ，您可以使用基於遞歸的Boost regex和適當的條件替換模式來捕獲打開和關閉的XML標簽：

查找內容 ： (<(\\w+)[^>]*>(?:(?!</?\\2\\b).|(?1))*</\\2>)|.
替換為 ： (?{1}$1\\n:)
. 匹配換行符 ： ON

正則表達式詳細信息 ：

• (<(\\w+)[^>]*>(?:(?!</?\\2\\b).|(?1))*</\\2>) -捕獲組1（稍后會遞歸與(?1)子路由調用）匹配
  • <(\\w+)[^>]*> -名稱在組2中的任何開頭標簽
  • (?:(?!</?\\2\\b).|(?1))* -零次或多次出現：
    • (?!</?\\2\\b). -任何不以整個單詞開頭</ +標簽名稱的序列的字符（ . ），其前面帶有可選的/
    • | - 要么
    • (?1) -重復執行第1組整個子模式
  • </\\2> -相應的結束標記
• | - 要么
• . -任何單個字符。

更換方式 ：

• (?{1} -如果第1組匹配：
  • $1\\n替換為內容+換行符
  • : -否則替換為空字符串
• ) -替換模式結束。