正在分析元素名称中包含空格的XML

本文关键字：包含 空格 XML 元素 | 更新日期: 2023-09-27 18:26:01

所以我必须解析一个简单的XML文件（只有一个级别，没有属性，只有元素和值），但问题是XML中存在（或可能存在）空间。我知道这是一种糟糕（可能很糟糕）的做法，但我不是构建XML的人，它来自外部库。

示例：

<live key>test</live key>
<not live>test</not live>
<Test>hello</Test>

现在，我的策略是一次读取XML（我把它作为一个字符串）一个字符，并在访问时保存每个元素的名称和值，但这似乎有点太复杂了。

有什么更简单的方法吗？XMLReader会抛出一个错误，因为它认为XML格式正确，因此它认为"live"是元素名称，"key"是属性，所以它试图查找一个"="并得到一个">"。

正在分析元素名称中包含空格的XML

遗憾的是，库返回的文本不是格式良好的XML，因此无法使用XML解析器对其进行解析。标记中的空格只是问题的一部分；还有其他问题，例如，缺少"root"标记。

幸运的是，单级语言非常琐碎，可以与正则表达式相匹配。对于真正的XML来说，基于Regex的"解析器"将是一个糟糕的选择，但这种语言不是真实的，所以您可以使用Regex至少作为一种变通方法：

Regex rx = new Regex("<([^>'n]*)>(.*?)</(''1)>");
var m = rx.Match(text);
while (m.Success) {
    Console.WriteLine("{0}='{1}'", m.Groups[1], m.Groups[2]);
    m = m.NextMatch();
}

这种方法背后的思想是找到带有"开始标记"的字符串，这些字符串与带有斜线的"结束标记"相匹配。

这是一个演示，它为您的输入生成以下输出：

live key='test'
not live='test'
Test='hello'

由于它是一个平面结构，这可能会有所帮助：

    MatchCollection ms = Regex.Matches(xml, @"'<(['w ]+?)'>(.*?)'<'/'1'>");
    foreach (Match m in ms)
    {
        Trace.WriteLine(string.Format("{0} - {1}", m.Groups[1].Value, m.Groups[2].Value));
    }

所以你得到了一个"键值"对的列表。痕迹仅用于检查结果

相关文章：