在.NET中解析XML的正则表达式

Question

我有以下函数，用于从xmlString中删除字符\04和nulls，但我找不到需要更改的内容，以避免删除我的结束标记中的\。当我运行这个函数时，我得到了以下结果。

<ARR>20080625<ARR><DEP>20110606<DEP><PCIID>626783<PCIID><NOPAX>1<NOPAX><TG><TG><HASPREV>FALSE<HASPREV><HASSUCC>FALSE<HASSUCC>

有人能帮我找出需要在我的表达式中做哪些更改，才能保留结束标签为</tag>吗？

Private Function CleanInput(ByVal inputXML As String) As String
    ' Note - This will perform better if you compile the Regex and use a reference to it.
    ' That assumes it will still be memory-resident the next time it is invoked.
    ' Replace invalid characters with empty strings.
    Return Regex.Replace(inputXML, "[^><\w\.@-]", "")
End Function

- Tony

---

这不会从您的字符串中删除 '\0' 和 '\04' 字符，而是除了一些字符（<、>、空格、.、@ 和 -）之外的所有内容都会被删除。另外，您提到的输出对应的输入是什么？ - Thomas

你能否发一两行这个函数输入的样例？ - Matt Blaine

@Thomas，\w代表的是单词字符，而不是空格。 - Joel

哎呀！这再次证明了正则表达式是用来写的，而不是读的 ;) - Thomas

+1 如果你能举出一种使用正则表达式和 XML 结合的案例，而不是 WTF。;) - TrueWill

Answer 1

Private Function CleanInput(ByVal inputXML As String) As String
    Return Regex.Replace(inputXML, "[^/><\w\.@-]", "")
    ' --------------------------------^
End Function

但是，由于您的目标仅是删除\04和\00，因此更安全的做法是仅限于对它们进行替换。

Private Function CleanInput(ByVal inputXML As String) As String
    Return Regex.Replace(inputXML, "[\4\0]", "")
End Function

- kennytm

---

非常感谢大家的帮助，现在我已经得到了一个干净的XML。 - Tony