Regex 从XML结束标记填充数组

我正在尝试创建一个字段名数组，以便稍后在脚本中使用。正则表达式正在踢我的屁股。我很久没有写代码了。字段名嵌入在XML标记中，因此我想我可以从第一行数据的结束标记中提取它们。我看不到如何正确填充阵列……有人能帮我解释一下吗

my $firstLineOfXMLFile = <record>DEFECT000179<\record><state>Approved<\state><title>Something is broken<\title>

my @fieldNames = $firstLineOfXMLFile =~ m(<\(.*)>)g; #problem, can't seem to grab the text within the end tags.

print @fieldNames;

my$firstLineOfXMLFile=defect000179approved有些东西坏了
my@fieldNames=$firstLineOfXMLFile=~m（）g#问题是，似乎无法抓取结束标记中的文本。
打印@fieldNames；

非常感谢！

---

-Matt

您的示例数据不是XML。你的斜线是向后的。假设您要解析的是XML，答案是“不要使用正则表达式”

他们根本无法处理递归和嵌套到必要的程度

因此，记住这一点-假设您的示例数据实际上是格式良好的XML，这是一个输入错误，类似于

XML:：Twig

的东西将非常方便地完成这一任务：

#!/usr/bin/env perl
use strict;
use warnings;

use XML::Twig;

my $twig = XML::Twig -> parse ( \*DATA );

#extract a single field value
print $twig -> root -> first_child_text('title'),"\n";
#get a field name
print $twig -> root -> first_child -> tag,"\n";
#can also use att() if you have attributes


print "Field names:\n";
#children() returns all the children of the current (in this case root) node
#We use map to access all, and tag to read their 'name'. 
#att or trimmed_text would do other parts of the XML. 
print join ( "\n", map { $_ -> tag } $twig -> root -> children );

__DATA__
<XML>
<record>DEFECT000179</record><state>Approved</state><title>Something is broken</title>
</XML>

您还可以使用各种其他非常有用的工具，例如用于格式化输出XML的

pretty_print

，

twig_处理程序

，它们可以在解析时操作XML（尤其适用于

清除

），

剪切

和

粘贴

来移动节点，和

get_xpath

，让您可以使用xpath表达式根据路径和属性查找元素

编辑：根据注释，如果您确实想从以下位置提取数据：

</something>

或者是一个非reedy匹配：

m,</(.*?)>,g

m，，g

哦，考虑到你有一个反斜杠，你需要避开它：

my $firstLineOfXMLFile = '<record>DEFECT000179<\record><state>Approved<\state><title>Something is broken<\title>';
my @fieldNames = $firstLineOfXMLFile =~ m(<\\(.*?)>)g;
print @fieldNames;

my$firstLineOfXMLFile='DEFECT000179ApprovedSomething is breaked'；
my@fieldNames=$firstLineOfXMLFile=~m（）g；
打印@fieldNames；

---

我会成功的。（但说真的-故意创建看起来不像XML的东西是一件非常糟糕的事情）

您的源文件真的有带斜杠的结束标记吗？嗨，Andy，我可以随意创建斜杠和标记，因为我可以控制从数据库中转储此数据的脚本。在导出过程中，我提供了分隔符，并认为提供类似XML的分隔符（实际上只是字段名）将有助于以后解析数据。导出文件不是真正的XML。我只是觉得它离你们很近，可以给你们一个想法，而不必用信息轰炸你们。我真傻，犯了这么一个基本的错误。等等。。。数据已经在数据库里了？！为什么我们不从这里开始，而不是通过这个中间的hocus pocus？是的，数据从ClearQuest数据库导出到上面显示的格式，传输到另一个网络，然后上传。我实际上正在编写导入脚本，第一步是解析导出文件的第一行，用字段名填充数组。一旦我有了字段名，我就可以在我的SQL insert语句中使用它们。如果有可用的解析器，XML将是一个很好的DB输出。既然你没有，你还有其他选择吗？设置一个分隔符并像逗号分隔符一样处理它可能会更好，因为这样就不需要标记匹配。Sobrique，我可以访问的PERL版本（cqperl）是IBM ClearQuest安装的一部分，列为5.8.6版。有人告诉我这个版本已经精简了，我可以看到没有包含XML:Twig包。出于合同安全的原因，我无法轻松地更新PERL包。我的第一个问题变得很尴尬，因为我没有很好地阐述我的问题并提供重要的细节。我为此道歉。我基本上有一个测试文件，其中包含数百条这种格式的记录：Cool，一个11年前的Perl版本！是的，先生，我爸爸仍然开着他的1969吉普车：）是的，好的。我知道怎么回事。但是，

regex

仍然是这个工作的错误工具。请参阅：-HTML/XML基本上比

regex

支持的更复杂。我建议对一个新的（er）perl和几个库提出更改请求是正确的做法，因为regex充其量只是一个肮脏的黑客。（但有时黑客攻击是唯一的选择：/）

m,</(.*?)>,g

my $firstLineOfXMLFile = '<record>DEFECT000179<\record><state>Approved<\state><title>Something is broken<\title>';
my @fieldNames = $firstLineOfXMLFile =~ m(<\\(.*?)>)g;
print @fieldNames;