Perl regex删除XML中的节点

我有一个大的（>2gb）XML文件，大致如下所示：

<record id="1">
    <a>
        <detail>blah</detail>
        ....
        <detail>blah</detail>
    </a>
    <b>
        <detail>blah</detail>
        ....
        <detail>blah</detail>
    </b>
    <c>
        <detail>blah</detail>
        ....
        <detail>blah</detail>
    </c>
</record>
...
<record id="999999">
    <a>
        <detail>blah</detail>
        ....
        <detail>blah</detail>
    </a>
    <b>
        <detail>blah</detail>
        ....
        <detail>blah</detail>
    </b>
    <c>
        <detail>blah</detail>
        ....
        <detail>blah</detail>
    </c>
</record>

<record id="1">
    <a>
        <detail>blah</detail>
        ....
        <detail>blah</detail>
    </a>
    <c>
        <detail>blah</detail>
        ....
        <detail>blah</detail>
    </c>
</record>
...
<record id="999999">
    <a>
        <detail>blah</detail>
        ....
        <detail>blah</detail>
    </a>
    <c>
        <detail>blah</detail>
        ....
        <detail>blah</detail>
    </c>
</record>

但这不起作用-它根本没有删除任何节点

我确信

节点没有任何会破坏模式的属性

很明显，在这个问题上，我是个傻瓜，所以我肯定我还没有接近……

（（？！））*）
<b>(((?!<\/b>).)*)<\/b>

试试这个，换成

见演示

可用于从大型XML文件中剪切元素，而无需担心元素之间的空白：

use warnings;
use strict;
use XML::Twig;

my $xml = do { local $/; <DATA> };

my $twig = XML::Twig->new(
    twig_handlers => {
        'record/b' => sub { $_->cut() }
    },
    pretty_print => 'indented'
);
$twig->parse($xml);
$twig->print();

__DATA__
<?xml version="1.0" encoding="UTF-8"?>
<top>
    <record id="1">
        <a>
            <detail>blah</detail>
            <detail>blah</detail>
        </a>
        <b>
            <detail>blah</detail>
            <detail>blah</detail>
        </b>
        <c>
            <detail>blah</detail>
            <detail>blah</detail>
        </c>
    </record>
    <record id="999999">
        <a>
            <detail>blah</detail>
            <detail>blah</detail>
        </a>
        <b>
            <detail>blah</detail>
            <detail>blah</detail>
        </b>
        <c>
            <detail>blah</detail>
            <detail>blah</detail>
        </c>
    </record>
</top>

使用警告；
严格使用；
使用XML：：Twig；
my$xml=do{local$/；}；
my$twig=XML:：twig->new(
细枝处理程序=>{
'record/b'=>sub{$\u->cut（）}
},
漂亮的打印=>“缩进”
);
$twig->parse（$xml）；
$twig->print（）；
__资料__
废话
废话
废话
废话
废话
废话
废话
废话
废话
废话
废话
废话

以下是输出：

<?xml version="1.0" encoding="UTF-8"?>
<top>
  <record id="1">
    <a>
      <detail>blah</detail>
      <detail>blah</detail>
    </a>
    <c>
      <detail>blah</detail>
      <detail>blah</detail>
    </c>
  </record>
  <record id="999999">
    <a>
      <detail>blah</detail>
      <detail>blah</detail>
    </a>
    <c>
      <detail>blah</detail>
      <detail>blah</detail>
    </c>
  </record>
</top>

废话
废话
废话
废话
废话
废话
废话
废话

您可以使用此正则表达式：

<b>[\s\S]+?<\/b>

[\s\s]+？

其思想是删除您可以使用的libxml2 pull解析器的

…

标记：

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

use XML::LibXML::Reader;

my $r = 'XML::LibXML::Reader'->new( location => 'file.xml' );
while ($r->nextElement('record')) {
    my $rec = $r->copyCurrentNode(1);
    for my $del ($rec->findnodes('b')) {
        $rec->removeChild($del);
    }
    print $rec;
}

---

我建议使用实际的XML解析器，如。

s@.*@@sg

应该从第一个

删除到最后一个

。它没有移除任何东西？可能是命令行Perl选项。不过，通常在这种情况下，您会使用惰性量词，如

s@.*？@@sg

即使这样做，格式也会被破坏。请确保设置了“点所有”修饰符。我想，您也可以使用xml:：Twig附带的xml_grep（现在对我来说测试它太晚了）考虑到文件的大小（~2GB），这个

xml\u grep-v'record/b'file.xml>new\u file.xml

会起作用，这样说合适吗？@miller是的，您正在内存中读取整个文件，实际上只需执行

xml:：Twig->new（Twig\u root=>{'record/b'=>1}，Twig\u print\u out\u root=>1）->parsefile（“file.xml”）

将输出整个文件（因为

在根之外打印
，而忽略
b
元素）。教程的第4.5节介绍了这一点。为什么
[\s\s]
而不是
（使用regexp的
s
修饰符）？
#!/usr/bin/perl
use warnings;
use strict;

use XML::LibXML::Reader;

my $r = 'XML::LibXML::Reader'->new( location => 'file.xml' );
while ($r->nextElement('record')) {
    my $rec = $r->copyCurrentNode(1);
    for my $del ($rec->findnodes('b')) {
        $rec->removeChild($del);
    }
    print $rec;
}