Ответ 1
На самом деле... вы не можете использовать простое регулярное выражение здесь, по крайней мере, не одно. Вероятно, вам нужно беспокоиться о комментариях! Кто-то может написать:
<!-- <content> blah </content> -->
Здесь вы можете использовать два подхода:
- Сначала запишите все комментарии. Затем используйте подход с регулярным выражением.
- Не используйте регулярные выражения и используйте контекстно-зависимый подход синтаксического анализа, который может отслеживать, вложен ли вы в комментарий.
Будьте осторожны.
Я также не уверен, что вы можете сразу сопоставить все новые строки. @Quartz предложил следующее:
<content>([^\n]*\n+)+</content>
Это будет соответствовать любым тегам контента, у которых есть символ новой строки. ПРАВО ПРЕЖДЕ ЧЕМ закрывающий тег... но я не уверен, что вы подразумеваете, сопоставляя все новые строки. Вы хотите иметь доступ ко всем совпадающим символам новой строки? Если это так, лучше всего захватить все теги контента, а затем искать все символы новой строки, которые вложены между ними. Что-то еще подобное:
<content>.*</content>
НО ЕСТЬ ОДИН ПЕЧАТ: регулярные выражения жадные, поэтому это регулярное выражение будет соответствовать первому открывающему тегу до последнего закрытия. Вместо этого вам нужно подавить регулярное выражение, чтобы оно не было жадным. В таких языках, как python, вы можете сделать это с помощью?? regex.
Я надеюсь, что с этим вы сможете увидеть некоторые подводные камни и выяснить, как вы хотите продолжить. Вероятно, вам лучше использовать библиотеку синтаксического анализа XML, а затем повторить все теги контента.
Я знаю, что я, возможно, не предлагаю лучшего решения, но, по крайней мере, надеюсь, что вы увидите трудности в этом и почему другие ответы могут быть неправильными...
ОБНОВЛЕНИЕ 1:
Позвольте мне подытожить немного больше и добавить некоторые подробности в мой ответ. Я буду использовать синтаксис regex python, потому что это то, к чему я больше привык (простите меня раньше времени... вам может понадобиться избежать некоторых символов... комментарий к моему сообщению, и я исправлю его):
Чтобы отключить комментарии, используйте это регулярное выражение: Обратите внимание на "?" подавляет. *, чтобы сделать его неживым.
Аналогично, для поиска тегов контента используйте: . *?
Кроме того, вы можете попробовать это и получить доступ к каждому символу новой строки с помощью групп объектов соответствия():
<content>(.*?(\n))+.*?</content>
Я знаю, что моя побега отключена, но она захватывает идею. Этот последний пример, вероятно, не сработает, но я считаю, что это лучший способ выразить то, что вы хотите. Мое предложение остается: либо захватить все теги контента, либо сделать это самостоятельно, либо использовать библиотеку синтаксического анализа.
ОБНОВЛЕНИЕ 2:
Итак, вот код python, который должен работать. Я все еще не уверен, что вы подразумеваете под "нахождением" всех новых строк. Вы хотите, чтобы все линии? Или просто подсчитать, сколько строк. Чтобы получить фактические строки, попробуйте:
#!/usr/bin/python
import re
def FindContentNewlines(xml_text):
# May want to compile these regexes elsewhere, but I do it here for brevity
comments = re.compile(r"<!--.*?-->", re.DOTALL)
content = re.compile(r"<content>(.*?)</content>", re.DOTALL)
newlines = re.compile(r"^(.*?)$", re.MULTILINE|re.DOTALL)
# strip comments: this actually may not be reliable for "nested comments"
# How does xml handle <!-- <!-- --> -->. I am not sure. But that COULD
# be trouble.
xml_text = re.sub(comments, "", xml_text)
result = []
all_contents = re.findall(content, xml_text)
for c in all_contents:
result.extend(re.findall(newlines, c))
return result
if __name__ == "__main__":
example = """
<!-- This stuff
ought to be omitted
<content>
omitted
</content>
-->
This stuff is good
<content>
<p>
haha!
</p>
</content>
This is not found
"""
print FindContentNewlines(example)
Эта программа печатает результат:
['', '<p>', ' haha!', '</p>', '']
Первая и последняя пустые строки берутся из символов новой строки, непосредственно предшествующих первому <p>, и следующему сразу после </p>. В целом это (по большей части) делает трюк. Поэкспериментируйте с этим кодом и уточните его для своих нужд. Распечатайте материал в середине, чтобы вы могли видеть, что регулярные выражения соответствуют и не соответствуют.
Надеюсь, что это поможет: -).
PS - Мне не очень удавалось проверять мое регулярное выражение из моего первого обновления, чтобы захватить все новые строки... дайте мне знать, если вы это сделаете.