正则表达式匹配打开和关闭标记以及该标记内的某些文本模式

Question

以下是我从sitemap.xml

获取的示例自定义标记

<url>
  <loc>http://sitename.com/programming/php/?C=D;O=A</loc>
  <changefreq>weekly</changefreq>
  <priority>0.64</priority>
</url>

有很多这样的条目，如果你看到loc标签，它有c = d; 0 = a结尾。 我想删除所有以<url>开头的条目，以</url>结尾，其中包含C = D; 0 = A或类似的模式。

以下表达式与整个上述指定标记

匹配

<url>(.|\r\n)*?<\/url>

但我希望像上面声明中指定的那样匹配。

我们如何形成正则表达式来匹配这些条件（模式）？

Answer 1

试试这个：

/<url>(?:(?!<\/url>).)*C=D;O=A.*?<\/url>/m

负向前瞻保证您不匹配多个节点。

见这里：rubular

Answer 2

将正则表达式用于XML并不是一个好主意。根据您应使用某些XML阅读器的语言，提取<url>节点，然后使用正则表达式匹配节点的内容。 许多XML库支持的一种用于查询XML数据的有用语言是XPath。

Answer 3

如果你绝对必须使用正则表达式，那么这个：

<([a-z][a-z0-9]*)\b[^>]*>(.*?)(C=D;O=A){1}(.*?)</\1>

会让你上线：

  

http://sitename.com/programming/php/?C=D;O=A

然后我会遍历到父标签并用它做任何我想做的事。