Java xml的正则表达式不起作用

我正在尝试编写一个正则表达式来匹配xml文档。我之所以不立即使用xml解析器，是因为该文件可能包含多个xml文件（格式正确与否），所以我希望在解析之前删除格式不正确的文件

xml结构：

<company>
    .....
    <Employees>
    .......
    </Employees>
</company>

.....
.......

代码

最终字符串xmlString=“…”；
最终列表数据=新的ArrayList（）；
尝试
{
最终模式=Pattern.compile（（.+？）”，Pattern.DOTALL）；
final Matcher Matcher=pattern.Matcher（xmlString）；
while（matcher.find（））
{
final Pattern pattern1=Pattern.compile（（.+？）”，Pattern.DOTALL）；/“+？”
最终匹配器matcher1=pattern1.Matcher（Matcher.group（1））；
if（matcher1.find（））
{
data.add（matcher1.group（1））；
}
}
}
捕获（最终异常e）
{
}

如果xml字符串包含一个格式正确或格式不正确的xml字符串，则此方法可以正常工作。 但是，当您有一个格式不正确的xml后跟格式正确的xml时，这就不起作用了

<company>
    <Employees>

   </Employees>
<company>
    .....
    <Employees>
    .......
    </Employees>
</company>

.....
.......

在这种情况下，它返回的是整个字符串，而不是格式良好的xml

<company>
    <Employees>

   </Employees>
<company>
    .....
    <Employees>
    .......
    </Employees>
</company>

---

请帮忙，谢谢

使用单个正则表达式执行此操作永远不会起作用

假设开始标记和结束标记分别出现在不同的行上，则需要一次处理一行XML，跟踪所看到的内容并缓冲输入，直到识别出完整的有效子文档

伪代码：

buffer = ""
while (line = read_input)
{
    if tag=="<company>"
    {
        buffer = "" // discard whatever we have seen since it didn't end with </company>
        buffer += line
    }
    else if tag=="</company>"
    {
        buffer += line
        write buffer
        buffer = ""
    }
    else
        buffer += line
}

buffer=“”
while（行=读取输入）
{
如果标记==“”
{
buffer=”“//放弃我们所看到的，因为它没有以
缓冲区+=行
}
如果标记==“”，则为else
{
缓冲区+=行
写缓冲区
buffer=“”
}
其他的
缓冲区+=行
}

---

这是如何处理这个问题的总体思路。。。细节可以改进（留作练习）。

您正在解析一种类似于XML但不完全相同的语言

因此，您需要做的第一件事是指定该语言的语法：您的解析器将接受什么结构

然后您需要编写解析器。几乎可以肯定，您的语言的语法将是递归的，这意味着正则表达式无法解析它。您可以使用JavaCC等工具编写解析器

---

但是你需要做一些阅读。如果您试图使用正则表达式来完成这项工作，这表明您没有意识到正在解决的问题背后的基本计算机科学。如果你是一个聪明的黑客，你可能会在你的大多数输入文档中找到一些有用的东西，但除非你理解这个理论并应用它，否则它总是有可能在下一个文档中失败。

Uhh。。。不，你做错了。在解析XML之前验证它。什么是您的

readBuilder

？它不应该是

xmlString

？您确实需要验证您的正则表达式是否正确！请务必做到这一点。还请记住，在某些情况下，您需要使用\.yes readBuilder转义特殊字符。已更新。如果输入格式不正确，则应拒绝整个输入，尤其是格式糟糕的XML。在听了这里的响应后，我也使用了相同的模式。在字符串上循环，直到找到结束标记，然后返回字符串，直到找到开始标记。类似地，直到找到所有数据。