Question

我经常发现自己需要一种工具，可以让我：

在大文件中搜索多个多行正则表达式模式，并使用反向引用替换它们。

我应该：

花费2个小时来构建自己的工具
使用某人已经建造的东西（请建议）
学会使用一种特别擅长此类事物的语言（Perl？）

示例
我有一个包含数千个条目的xml文档。大约有100个条目具有已知值字段，需要将其删除。我可以为每个条目构建一个正则表达式。除了值字符串部分之外，100个条目的表达式相同。要么这个工具需要能够为每个值循环一次，要么只需要在表达式中使用100个OR项（|）循环一次（这将是巨大的）。在这种情况下，我用空格替换匹配，但在其他情况下，我重新格式化文本并重新插入值字段。

Answer 1

我估计你应该在Python中写下这个东西。 python re库很棒：

# get the re library
import re

# this is the line to process
xml_line = "<stuff><bad i_am_naughty=\"True\"></bad></stuff>"
# compile a regex 
exp = re.compile ("(.*)(<bad.*bad>)(.*)")
# run the regex on the line
match = exp.search (xml_line)
# print out the groups the regex found
print match.groups ()

N.B。您还可以使用python XML parsing libraries删除不需要的元素。使用python XMl解析简化了我在我的示例中忽略的一些复杂性（多行等）。代替Python XML解析示例，这个question在Python中解析XML时有一些很好的答案。

Answer 2

我不太确定你的数据是什么样的，但我会考虑在三遍中用python编写工具：

将XML路径加上variable = value的文件转换为XML.path.variable = value
对每一行应用大量正则表达式，可能从输出中删除行
将缩短的XML.path.variable = value行列表转换回XML

Answer 3

我建议不要使用正则表达式。通常应该使用XML工具处理XML。为什么不使用XSLT？

Answer 4

可以使用大量模块来处理xml。

http://www.crummy.com/software/BeautifulSoup/ http://codespeak.net/lxml/

用于大型搜索和替换的正则表达式工具

4 个答案: