Question

我需要在不使用模块的情况下解析XML文件。

在该XML文件中，我需要提取与模式匹配的2个标记（<mi> ... </mi>）之间的所有内容。

我有这个：

$xmlstring = my xml string
$pattern = "G2_CPU";
my $regex = "<mi>(.*?" . $pattern . ".*?)<\\/mi>";
my ($data) = $xmlstring =~ /$regex/i;

但是当我执行它时，在$data中，我在第一个<mi>标记和最后一个</mi>标记之间得到了所有内容。

我也尝试使用没有变量的正则表达式：/(<mi>.*?G2_CPU.*?<\/mi>)/，我得到了相同的结果。

我该怎么做？

Answer 1

假设这仍然是有效的XML，即<无法在标记打开和标记关闭之间显示，和，那些内容中没有CDATA标签，你可以使用：

my $re = qr{<mi>([^<]*? \Q$pattern\E [^<]*?)</mi>}ix;

也就是说，不要让任何字符到感兴趣的子字符串，只允许使用非标记的开头字符。

另外，我的第一直觉，如果我以为我会尝试go down the rabbit hole在没有合适的XML解析器的情况下解析XML，那么首先要在<mi>...</mi>之间提取文本，然后检查它是否存在包含我正在寻找的东西。

Answer 2

你只需要在模式的开头添加一个贪婪的匹配，这样就可以捕获它的大部分：

my $regex = "(?:.*)<mi>(.*?" . $compteur . ".*?)<\/mi>";
             ^^^^^^

来自Shortest match issues：

问题在于，即使使用非贪婪的匹配，Perl仍然存在试图找到从最左边可能的点开始的匹配字符串。

测试

档案p.pl：

$xmlstring = "hello <mi>first mi</mi> and this is another <mi>second mi</mi> end." ;
$compteur="second";
my $regex = "(?:.*)<mi>(.*?" . $compteur . ".*?)<\/mi>";
my ($data) = $xmlstring =~ /$regex/i;
print "$data\n";

执行：

$ perl p.pl 
second mi

Perl：提取与XML标记之间的模式匹配的子字符串

2 个答案:

测试