javascript - 使用 RegExp 和 exec 在 JavaScript 中解析 XML - 它通常可以工作，但在少数情况下却不能 - 知道为什么吗？

Question

我正在服务器端 JavaScript 中解析一些 XML。 XML 通过调用另一台服务器返回。我正在使用在 With regex how do i match between an XML tag multiple times? 找到的解决方案的修改版本并使用测试仪在 http://www.regular-expressions.info/javascriptexample.html 测试了 RegExp .

返回了大约 1280 条记录，并且几乎一直有效。但今天我注意到大约 30 条记录无法正确解析。有些字段在解析时最终为空，我不明白为什么。

我在循环中创建的正则表达式示例是

<field name="URL_ProProfs"><data>(.+?)<\/data><\/field>

我正在解析的记录示例是

<record mod-id="439" record-id="6640">
    <field name="Name">
        <data>Inviting Young Children to Explore Process Art</data>
    </field>
    <field name="Byline_Presenter">
        <data> Presented by MaryAnn F. Kohl, Author, Educator, and Presenter </data>
    </field>
    <field name="Date">
        <data>11/14/2016</data>
    </field>
    <field name="URL_On_Demand">
        <data> https://www.anymeeting.com/843-066-411/E954DB85814B38 </data>
    </field>
    <field name="URL_ProProfs">
        <data> https://www.proprofs.com/quiz-school/story.php?title=quiz-18-classroommanagementwebinar20161114_3WO </data>
    </field>
    <field name="Status">
        <data>1</data>
    </field>
    <field name="URL_Blog">
        <data> http://home.edweb.net/webinar/young-children-explore-process-art/ </data>
    </field>
    <field name="Channel_1">
        <data>Arts in Education</data>
    </field>
    <field name="Channel_2">
        <data>Early Childhood Learning</data>
    </field>
    <field name="Channel_3">
        <data/>
    </field>
    <field name="Channel_4">
        <data/>
    </field>
    <field name="Name_Community">
        <data>classroommanagement</data>
    </field>
    <field name="Webinars_COMMUNITIES::Name_Long">
        <data>Classroom Management for Early Learning</data>
    </field>
    <field name="_ID_Community">
        <data>.5a1dcfde</data>
    </field>
</record>

如果我在测试器上使用带有该字符串的 RegExp，它会正确解析，并且我能够找到该字段的返回值作为 .exec 数组结果的第二个元素:

https://www.proprofs.com/quiz-school/story.php?title=quiz-18-classroommanagementwebinar20161114_3WO

但有时，由于某些我无法理解的原因，我会为我正在解析的不同字段返回空值。在本例中，对于字段 URL_ProfProps。

我正在使用以下循环对 RegExp 执行 exec 以查找记录中的所有值。每个记录都会调用该函数本身。

function webinarParse(record) {
  var r = new Object();
  var fields = ["Name", "Byline_Presenter", "Date", "URL_On_Demand", "URL_Blog", "URL_ProProfs", "Name_Community", "Webinars_COMMUNITIES::Name_Long", "Channel_1", 
                "Channel_2", "Channel_3", "Channel_4", "_ID_Community"];

  for (f=0; f<fields.length; f++) {
      var re = new RegExp('<field name="' + fields[f] + '"><data>(.+?)<\/data><\/field>');
      var m = re.exec(record);
      if (m == null) {
        r[fields[f]] = "";
      } else {
        if (fields[f] == 'Date') {
            r[fields[f]] = new Date(m[1]);
        }
        else {
            if (m[1].indexOf('<data>') != -1) {
                // greedy match captured from next field when there was no data present
                r[fields[f]] = "";
            }
            else {
                r[fields[f]] = m[1];
            }
        }
      }
  }  
  return r;
}

参数记录是我返回的所有 XML 记录中的一条记录。

Object() r 是我的返回值。

Array() 字段是我正在解析的值列表。

在循环中，我为字段的每个元素创建一个新的 RegExp，以查看是否有可返回的值。

如果 re.exec(record) 为 null，我只需在 r 中为该属性设置一个空字符串。

如果该字段恰好是日期字符串，我会为该属性设置一个 Date 对象。

那么我必须小心，因为 XML 正在返回

<data /> 

如果没有数据，而不是

<data></data>

所以我检查了一下。也就是说，有数据就应该有

<data> 

标签。如果没有，我不想抢太多。

我正在记录每条记录的解析，它在 1280 次中工作了大约 1250 次。但对于某些记录，其中一两个字段无法解析，即使我确认 XML 本身中有数据。

上面的示例似乎在测试器页面上正确解析，但在我的循环中，URL_ProPofs 的值返回空值。

对我的正则表达式或循环执行此操作有什么想法吗？我只是不明白为什么它有时找不到值(value)。

谢谢。

Answer 1

简短的回答:使用 XPath/XQuery 查询和访问 XML 文档中的数据，它将为您提供更大的灵 active 并摆脱特定情况，例如它们是为此目的而设计的。

对于正则表达式，'.'不匹配新行，因此需要添加 \r和\n并且还为 <field...> 之间的任何内容添加匹配和<data...>以及 </data> 之间和</field> .

完成所有这些，你最终会得到像这样的正则表达式

<field name="URL_ProProfs">[\s\n\r]*?<data>((?:.|[\n\r])*?)<\/data>[\s\r\n]*?<\/field>

这是一个工作示例:https://regex101.com/r/07xgks/4但请记住，只有当数据中没有嵌套数据、xml 有效等等时，这才有效......