php - 匹配出现在 XML 节点内的 ">"、 "<"、 "&"字符的正则表达式

Question

我正在尝试使用 PHP 中的 PCRE 库编写正则表达式。

我需要一个正则表达式来匹配 & , >和 <存在于任何 XML 节点的字符串部分中的字符，而不是标记声明本身。

输入 XML:

<pnode>
  <cnode>This string contains > and < and & chars.</cnode>
</pnode>

想法是搜索并替换这些字符并将它们转换为 XML 实体等价物。

如果我要将整个 XML 转换为实体，XML 将如下所示:

整个 XML 转换为实体

<pnode>
  <cnode>This string contains > and < and & chars.</cnode>
</pnode>

我需要它看起来像这样:

正确的 XML

<pnode>
  <cnode>This string contains &gt; and &lt and &amp; chars.</cnode>
</pnode>

我已经尝试使用 look-ahaead 编写一个正则表达式来匹配这些字符，但我对它的了解还不够多。我的尝试(目前只尝试匹配 > 符号):

/>(?=[^<]*<)/g

只是为了说明我要修复的 XML 来自第三方，他们似乎无法最终修复它，因此我尝试修复它。

Answer 1

最后我选择使用 Tidy PHP 中的库。我使用的代码如下所示:

  // Specify configuration
  $config = array(
    'input-xml'  => true,
    'show-warnings' => false,
    'numeric-entities' => true,
    'output-xml' => true);

  $tidy = new tidy();
  $tidy->parseFile('feed.xml', $config, 'latin1');
  $tidy->cleanRepair()

这可以完美地纠正所有编码错误并将无效字符转换为 XML 实体。