Ruby正则表达式：匹配没有匹配的< >

Question

以下是XML示例：

<Comment>10 < 100</Comment>

我希望能够正确识别内部的<，以便能够将其删除，但我希望保留所有其他内容不变。

我假设这将涉及某种[?]选项，但在rubular上进行实验时我还没有成功找到解决方法。

注意：我们正在使用XML解析器rexml，但它无法处理上述情况。相反，Nokogiri无法处理内容中的&符号。

- DVG

---

不要试图使用正则表达式来解析XML（或HTML或SGML或您喜欢的编程语言等）。这是行不通的。正则表达式无法处理这些语言。通常，每当您必须匹配平衡分隔符（括号，任何形状的方括号，XML标记）时，您已经超出了正则表达式所能实现的范围。一些语言通过机制扩展了“正则表达式”，以便以某种方式与周围的编程语言相结合，让您可以做到其中的一些事情，但最终您会得到一个垃圾代码，它是一个单一技巧的马戏团。请使用XML解析器。 - Mark Reed

虽然那不是有效的XML，但符合标准的XML解析器不应该崩溃吗？ - Frederick Cheung

我们正在使用一个XML解析器。由于我们无法控制XML，所以在一些边缘情况下，当非有效的XML返回给我们时，我们需要尽可能地修复它，以便我们的功能能够正常工作。为此，我们正在进行一些类似黑客的操作。 - DVG

Answer 1

这会查找并转换未被>跟随的<:

result = subject.gsub(/<(?![^<>]*>)/, '&lt;')

解释：

<        # Match a <
(?!      # only if the following regex can't match here:
 [^<>]*  # any number of characters except angle brackets
 >       # followed by a closing angle bracket.
)        # (End of negative lookahead assertion)

- Tim Pietzcker

---

不用谢。我总是很喜欢当人们看到“XML”和“regex”时，立刻给出膝反应式答案“使用解析器”，却没有意识到解析器会在处理无效的“XML”时失败。至少这次他们没有链接到无益的克苏鲁答案 :) - Tim Pietzcker