用于将字符串重新格式化为安全xml标记的正则表达式

我目前正在尝试编写一个RegexReplace，以确保输入可以用作有效的XML标记，这意味着：没有空格，没有特殊字符，只有小写，等等

有没有一个共同的方法，还是我必须从头开始

例如：

string Invalid = "asd(%4 asKUd n!%mn &§a_As1";  // Invalid as a tag

string Valid = FormatToSafeXmlTag(Invalid);  // How to write this function?

// Valid = "asd4_askud_nmna_as1"

• 仅小写：

  ^[a-z]+$

• 第一个字符小写，（可选）剩余字符小写/数字

  ^[a-z][a-z0-9]*$

• 仅大写：

  ^[A-Z]+$

• 第一个字符字母，（可选）剩余字符字母数字

  ^[a-zA-Z][a-zA-Z0-9]*$

编辑：删除javascript中除小写字符以外的所有字符：

str = str.replace(/[^a-z]/g, "");

问题是当用户只输入不可接受的字符时，您将尝试创建一个带有空字符串的xml标记。我宁愿让用户再试一次——输入小写字符串有多难

注意：另一种边缘情况是当用户输入

xml

或其任何不区分大小写的变体时（感谢@Tim的回答）。如果您使用的是javascript，则无法使用Tim建议的解决方案，因为它使用了Lookback，这是javascript正则表达式不支持的功能

JavaScript代码：

str = str.replace(/\s/g, "_"); //replaces spaces

str = str.replace(/[^a-zA-Z0-9_\-]/g, "");//trim symbols

var reg = new RegExp(/^xml/i); 

if(str.length == 0 || reg.test(str)) //is it empty or "xml" or "XmL" or ..
    alert("invalid regex");

根据，元素的名称按以下方式形成：

Name   ::=  NameStartChar (NameChar)*

在哪里

NameStartChar  ::=  ":" | [A-Z] | "_" | [a-z] | [#xC0-#xD6] | [#xD8-#xF6] 
  | [#xF8-#x2FF] | [#x370-#x37D] | [#x37F-#x1FFF] | [#x200C-#x200D] 
  | [#x2070-#x218F] | [#x2C00-#x2FEF] | [#x3001-#xD7FF] | [#xF900-#xFDCF] 
  | [#xFDF0-#xFFFD] | [#x10000-#xEFFFF]
NameChar       ::=  NameStartChar | "-" | "." | [0-9] | #xB7 
  | [#x0300-#x036F] | [#x203F-#x2040]

转换为正则表达式非常简单

如果要删除此定义之外的任何字符，只需反转表达式要查找的字符即可。

XML标记（我假设您询问的是标记名）必须遵循以下规则：

• 以字母、点、冒号或下划线开头
• 仅包含字母、数字、点、下划线或冒号（用于名称空间）
• 不能以

  xml开头

因此，有效标记名的正则表达式可以是：

^(?!xml)[\w.:][\w\d.:]*$

根据您的正则表达式风格（例如，.NET在

\w

中包含Unicode字母，这对于标记名是合法的）。你也可以使用

^(?!xml)[p\{L}._:][\p{L}\p{N}._:]*$

如果

\w

不包含Unicode字母

当然，您可以使用更严格的规则，并且可能不是所有XML解析器都可以处理完整的Unicode标记名。所以最后呢,

^(?!xml)[A-Za-z._:][A-Za-z0-9._:]*$

---

这可能是您最好的选择…

您可以检查XML解析器是否可以读取字符串…@Welbog-这是一个比这个小得多的例子，并且regex可能工作得很好。如果我读对了这个问题，他只是在验证某个标记名是否有效。这是一个比查看某个内容是否是有效的XML小得多的问题。有效标记名的规则可能很简单，他并没有试图用正则表达式解析xml，只是试图验证用户输入以将其用作xml标记。对我来说，这听起来像是正则表达式的一个有效用例。实际上，我不想评估标记是否可以接受——我想接受它并使用它，但要格式化它，使其有效。例如，如果用户输入

asd（%4 asKUd n！%mn&§a_As1

，正则表达式应返回

asd4_asKUd_nmna_As1

，作为有效标记。@Herms和Amarghosh：注意。我已删除了我的注释。单字符标记可以吗？（您的第二个和最后一个示例将只匹配具有多个字符的标记）@ApoY2k如果用户只输入无效字符怎么办？你从哪里知道它不能以“xml”开头？我认为这不在规范中。请看Welbog的回答。我在这里读到：（对不起，它是德语）如果说

xml

是为standard.AFAIK的后续扩展保留的，

xml

-标记是为特定于xml的标记保留的^^^^当然在xml文档的开头有“xml”标记，但是规范没有对以“xml”开头的标记进行限制。再次参见welbog发布的语法。