Java 如何将基于正则表达式匹配的XML更改为文本（字符数据）

我试图将XML文件的文本内容（字符数据）与一系列正则表达式相匹配，然后根据匹配项更改XML。例如：

 <text>
 <para>Lorem ipsum dolor sit amet, consectetur adipisicing elit, sed do eiusmod tempor incididunt ut labore et dolore magna aliqua.
 </para>
 </text>

例如，对于每一场比赛，我想用标记或类似标记将比赛包围起来，这样上面的内容就变成：

<text>
<para>Lorem ipsum <bold>dolor<bold/> sit amet, consectetur adipisicing elit, sed do eiusmod tempor incididunt ut labore et <bold>dolore<bold/> magna aliqua.
</para>
</text>

知识产权是一种权利，是一种精英的权利，是劳动和财富的暂时性权利。

另一个复杂的问题是，我想要匹配的文本（字符数据）可能跨越多个标记

我想我正在尝试做的与文字处理器应用程序必须做的非常相似，如果你进行搜索，选择文本的匹配部分，然后例如更改匹配/选定文本的格式

我想使用Java（实际上是Clojure）来实现这一点，我打算使用JAXB来操作XML文档

如何执行上述操作？

编辑：

好了，现在我明白了这可以跨越标签，我想我明白了这里的困难

这里我能想到的唯一算法是遍历XML树，读取文本部分，搜索匹配项——您需要在多个节点上逐个字符进行匹配。当然，困难在于在这个过程中不要咀嚼这棵树

我会这样做：

创建一个步行器，步行到XML树。每当您认为已经找到字符串匹配的开头时，请保存当前父节点的内容。当（和如果）找到字符串匹配的结尾时，请检查保存的节点是否与结尾节点的父节点相同。如果它们相同，那么修改树是安全的

示例文档：

<doc>This is a an <b>example text I made up</b> on the spot! Nutty.</doc>

一旦您知道应该包含匹配项的节点在哪里，我不确定该怎么办，因为您不知道如何从正则表达式中找出文本中需要的索引。。。也许有人有一个正则表达式，你可以修改…

我认为“我想匹配的文本将跨越多个标记”的意思是这样的：

 In <i>this</i> example, I want to match "In this example".

 In <i><b>this</b></i> example, I also want to match "In this example".

 And <i>in <b>this</b></i> example, it's clear I have to ignore case too.

在本例中，我想匹配“在本例中”。
在本例中，我还想匹配“在本例中”。
在这个例子中，很明显我也必须忽略这个案例。

这似乎是一个特别困难的问题，因为您正在讨论的转换可能会导致XML格式不正确-例如，看看如果您尝试在子字符串周围放置标记会发生什么：

In this <i>example, putting tags around "in this example"</i> will break things.

<i>And in this</i> example, you have a similar problem.

在本例中，在“在本例中”周围放置标记将破坏一切。
在这个例子中，你有一个类似的问题。

要生成格式良好的输出，您可能需要如下所示：

<bold>In this <i>example</i><bold><i>, putting tags around "in this example"</i> will break things.

<i>And <bold>in this</bold></i><bold> example</bold>, you have a similar problem.

在本例中，在“在本例中”周围放置标记将破坏一切。
在这个例子中，你有一个类似的问题。

理论上，您匹配的每个角色都可能位于不同的元素中：

Almost like <i><u>i</u><u>n</u> </i><u>th</u>is<i><i><u> ex</i>am</i>ple.</i>

与本例中的几乎相同。

这里基本上有两个问题，都不简单：

在XML流中搜索子字符串，忽略不是文本节点的所有内容，并返回子字符串在流中的开始和结束位置

在XML文档中给定两个任意索引，创建一个元素，在这些索引之间封装文本，关闭（并重新打开）标记跨越两个索引之一但不同时跨越这两个索引的任何元素

我很清楚，XSLT和正则表达式在这里帮不了你。我认为在这里使用DOM也帮不了你。事实上，我不认为第二个问题的答案不包括编写解析器

---

我知道，这不是一个真正的答案。

太好了，听起来你已经找到了答案。问题是什么？为什么不直接使用XLST呢？这正是它的设计初衷。试图用正则表达式解析XML会遇到很大的麻烦。Nick是对的：使用XSLT，然后将替换应用于元素的文本。@Nick：哪个版本的XSLT允许您处理文本内容？@gbacon:XSLT将使您获得元素的内容，但接下来呢？文本内容的实际处理是RegEx的工作。不过，我同意Ben的观点，这里没有问题。我的问题是，我要匹配的文本将跨越多个标记。提取文本并将其链接在一起并不是问题，找到匹配（ES）的开始和索引也不是，而是回到XML并在字符数据中间插入正确的起始标记和结束标记-谢谢。至少我知道我的问题是可以破译的：-）。我突然想到，这个操作非常类似于文字处理器应用程序必须执行的操作，如果您执行搜索，选择文本的匹配部分，然后例如更改匹配/选定文本的格式。

<bold>In this <i>example</i><bold><i>, putting tags around "in this example"</i> will break things.

<i>And <bold>in this</bold></i><bold> example</bold>, you have a similar problem.

Almost like <i><u>i</u><u>n</u> </i><u>th</u>is<i><i><u> ex</i>am</i>ple.</i>