Ruby 正则表达式是否仅匹配直接子标记？

我正在编写一个简单的RSS解析器（我知道有很多已经编写好了），我偶然发现了一个问题。假设我有以下RSS提要：

<channel>
  <title>Sunset Boulevard</title>
  <link>http://www.imdb.com/title/tt0043014/</link>
  <description>A hack screenwriter writes a screenplay..</description>
  <language>English</language>
  <item>
    <rating>8.6</rating>
  </item>
</channel>

日落大道
http://www.imdb.com/title/tt0043014/
一个粗野的编剧写剧本。。
英语
8.6

我有一个方法，通过给定的标记和子标记，在一个简单的散列中提取它们。这是我的“方法”：

def从标签（文本，标签）中提取文本
text=~/（？*？）/m$~[：tag_text]：“”
结束

要解析频道，我首先提取其文本，然后使用预定义的标记数组（标题、链接等）提取它们的数据。但是，我希望正则表达式只匹配标记的直接子级

---

例如，在这里，如果我传递“title”、“link”、“description”、“language”和“rating”标记，我希望匹配除“rating”之外的所有标记（因为它是item的子项）。

我从评论中看到，您必须使用正则表达式而不是适当的XML解析器解析此RSS提要

然而，作为一个反例，下面是使用Nokogiri的解决方案：

doc=Nokogiri:：XML（rss\u XML\u字符串）
doc.xpath（'/channel/*'）。每个do |节点|#用于根“channel”的每个子级。
下一步如果node.childrence.length>1#跳过具有多个子节点的节点。
放置node.name+'：'+node.text
结束
#标题：日落大道
#链接：http://www.imdb.com/title/tt0043014/
#描述：一位黑客编剧写了一部剧本。。
#语言：英语

有一点需要注意，事情可能会变得比使用正则表达式更复杂，下面是一些建议：

您可以使用

[^]*？

而不是

*？

，前提是在XML中正确转义了“”

这将阻止在项中包含子项时提取该项的内容，该子项可能是或很多不是所需的行为（我认为在您的示例中这是正常的，但通常可能不正常）

如果您仍然需要提取“item”（如果有）的内容（除了可能的子项），那么您需要使用条件语句，如果我没有弄错的话，Ruby不支持这些语句

---

您可以用一个方法来替换它，以测试标记是否包含子元素，并相应地应用正则表达式，但它确实变得有点复杂。

这就是为什么用正则表达式解析XML很棘手的原因。可能（对于定义良好的情况），但需要技巧。是否需要使用正则表达式es？使用xpath或通过dom解析解决这个问题似乎更容易…MichaelMyers-我知道这很棘手，但格式定义良好。春分-是的，这是一个要求。顺便问一下，这是红宝石吗？我强烈建议阅读“”。它涵盖了试图使用正则表达式解析HTML或XML的问题。虽然编写RSS解析器可能是“有趣的”，但你确实应该考虑重新使用一个轮子，而不是发明自己的。野生的RSS很混乱，有几个规范，不包括ATOM，ATOM也用于提要。我写了一篇分析所有变体的文章，处理了数百个提要，这是一个“有趣”的挑战。

def extract_text_from_tag(text, tag)
  text =~ /<#{tag}.*?>(?<tag_text>.*?)<\/#{tag}>/m ? $~[:tag_text] : ''
end