[技术讨论] 關於濫用正則解析 xml 文件

uhjjhjff11d

• 處理 xml api 顯然比正則可靠
  
• xml character data 裡面的內容依照協議是不由解析器解析的，也就是說我們可以在裡面寫其他 xml，那些代碼完全忽視了這一點
  
• 對於違反 xml 協議的操作，那些代碼沒有提供任何的檢查。xml 庫會拒絕一些不當的操作，這是犧牲速度換穩定，而不是庫代碼寫的爛，或者正則多麼萬能。
  
• xml 庫只對 xml 文件負責，正則對所有可能的文本負責，以常識來判斷，提速 xml 庫更容易實現。
  
• 修改標題："對論壇的建議，還有關於濫用正則" -> "關於濫用正則解析 xml 文件"
  
• 我從來沒說要什麼完美的代碼，那些帖子裡面使用正則的代碼確實錯誤的操作到了表示結構的部分。那些代碼連操作結構的能力都沒有，我不認為出現 bug 的原因是因為對方需求不斷的變化。
  
• 我喜歡不斷的修改文章，為了避免有人覺得我逃避質疑，重述我說過的話，加上一些補充。
  錯誤的需求：代碼沒人想看，何必混倄，而且為什麼不用現成的工具。
  錯誤的技術/沒有生產力的代碼：交付代碼，把底層邏輯和上層的操作混倄，對方看不懂，看懂了也不好改。交付產品出 bug，這樣不是用了錯誤的技術嗎？
  邪道：相對正道就是邪道
  

相關的帖子

求PowerShell批量计算文本指定数值后替换原值
[已解决]20元修改归类并正则匹配所有属性值
[文本处理] 怎样批量计算后替换文本内容
100元人民币 求bat或Powershell处理文本内容【已解决】

uhjjhjff11d

回复 22# WHY
29 樓的圖片顯示他手中的文檔是 xml沒錯。至於有沒有被他的正則匹配替換操作引入錯誤的內容，我就不知道了。其它人拿了錢，給出的代碼到了好幾版之後還是有 bug，那你要我說正則很適合搞 xml，我還真不認同。
100元人民币 求bat或Powershell处理文本内容【已解决】

• 20 樓 26樓代碼更新。29樓 bug
  
• 31 樓代碼更新，32樓 bug
  
• 40 樓代碼更新，41 樓 bug，導致手機無法開機。（他不會在虛擬機上面測試嗎？）
  
• 47 樓的回覆......他以為變量換名就是混倄器了......100元的代碼 vs Google 開源 project
  
• 52 樓 56 樓代碼更新，59 樓 看起來匹配不能處理所有的更名
  
• 60 樓代碼更新，63 樓 他還在想什麼 改名称为A~ZZZZ之间，本來就不應該這樣處理的，所以我說其他人也是誤導他居多
  

37樓就提到了應該直接用 api

43樓也提到了直接用 api

之前看到這些回覆就不會發帖了，因為我根本不想讀下面許多濫用正則，到處是 bug 的代碼。

uhjjhjff11d

回复 28# WHY

我猜你很会写 PowerShell 脚本，贴一个完美版让大家都学习一下吧。

你猜錯了，我不是程序員，也不是編程高手。

所谓的 bug 你多站在脚本编写者的角度看看，多数楼层的答案在需求不再变化的时候已经满足了要求，这算bug吗？

代碼把不是變量的東西也替換掉了
如果變量後面有數字就失效

回复 7# WHY 写的太棒了
有个小问题可以处理下吗 就是其中有数组时共用同一个名称是要替换成同名称的 虽然也替换成同名了 单生成的XTX文本 可以被读取 但部分功能不在
说明 混编时还是有问题

其中一段代碼。

@echo off
PowerShell "$h=@{};$s=[regex]::Replace([IO.File]::ReadAllText('a.txt',[Text.Encoding]::Default),'(?<=\bname=\")[^^\"]+(?=\")',{param($m);$a=$m.Value;if(!$h.ContainsKey($a)){$x=[Math]::floor($global:n/26);if(!$x){$c=''}else{$c=[char](64+[int]$x)};$h[$a]=$c+[char](65+$global:n++%%26)};$h[$a]});$s=[regex]::Replace($s, '(?^<=\")[^\"@#]*[@#][^^\"]+(?=\")',{param($m);$a=$m.Value;forEach($k In $h.Keys){$a=$a.Replace('@'+$k,'@'+$h[$k]).Replace('#'+$k,'#'+$h[$k])};$a});sc b.txt -Value $s -Enc utf8"
pause
复制代码

[quote]回复 7# WHY
有如下几个问题
1.名称中不要出现运算符号 如name="call_name1" 居然替换成了*或/
需要规避符号 +,-,*,/,%,**,|,||,=,==, !,not
2数组不能使用或许是上个问题导致

uhjjhjff11d

回复 33# WHY

还是那句话：能够解决问题的方法，不喜欢你可以不用，甚至不相信它，但不要轻易指责它。

回复 32# WHY

拿不出完美的、比正则更好的解决方法，又极力指责“滥用正则”、“邪道”、“错误的技术”

用庫修改所有 type 節點的範例，大家自行比對哪一個好讀好改。

$xmlfile = 'C:\Users\username\Documents\sample.xml'
[XML]$xmlcontent = Get-Content $xmlfile

function hash($string) {
    new-object System.Security.Cryptography.SHA256Managed | ForEach-Object { $_.ComputeHash([System.Text.Encoding]::UTF8.GetBytes($string)) } | ForEach-Object { $all += $_.ToString("x2") }
    "varhead" + $all
}

$xmlcontent.SelectNodes("//*") | ForEach-Object {
    if (-not ($_.Type -eq $null)){
        $_.Type = hash($_.Type)
    } else {
        Write-Output "pass"
    }
}

$xmlcontent.Save(".\sample2.xml")
复制代码

xml 範例（來自網絡）

<?xml version="1.0"?>
<PurchaseOrder PurchaseOrderNumber="99503" OrderDate="1999-10-20">
  <Address Type="Shipping">
    <Name>Ellen Adams</Name>
    <Street>123 Maple Street</Street>
    <City>Mill Valley</City>
    <State>CA</State>
    <Zip>10999</Zip>
    <Country>USA</Country>
  </Address>
  <Address Type="Billing">
    <Name>Tai Yee</Name>
    <Street>8 Oak Avenue</Street>
    <City>Old Town</City>
    <State>PA</State>
    <Zip>95819</Zip>
    <Country>USA</Country>
  </Address>
  <DeliveryNotes>Please leave packages in shed by driveway.</DeliveryNotes>
  <Items>
    <Item PartNumber="872-AA">
      <ProductName>Lawnmower</ProductName>
      <Quantity>1</Quantity>
      <USPrice>148.95</USPrice>
      <Comment>Confirm this is electric</Comment>
    </Item>
    <Item PartNumber="926-AA">
      <ProductName>Baby Monitor</ProductName>
      <Quantity>2</Quantity>
      <USPrice>39.98</USPrice>
      <ShipDate>1999-05-21</ShipDate>
    </Item>
  </Items>
</PurchaseOrder>
复制代码

[url=http://bbs.bathome.net/redirect.php?goto=findpost&ptid=52856&pid=220490]60樓的代碼

goto :ansi
rem UTF-8 编码支持
chcp 65001
cls

:ansi
@echo off
set /p "strFile=请拖入处理文本:"


setlocal enabledelayedexpansion

if not exist !strFile! (
	echo;"!strFile!" 文件不找不到！！
	exit /b
)


endlocal

rem 定义用于命名的字符表
set ASC=ABCDEFGHIJKLMNOPQRSTUVWXYZ
set n=0

rem 定义可用于命名的字符表
set tab="." [ + - ^"

rem 例外情况定义
set exception=Extra Button
set z=
set o=

setlocal enabledelayedexpansion

for /f "tokens=1* delims==" %%a in (!strFile!) do (


 	for /f "tokens=1,2 delims= " %%K in ("1 !z!") do (
endlocal
	set z=%%L
	set s1=%%a
	set s2=%%b
setlocal enabledelayedexpansion

 	)


	if defined z for %%k in (%exception%) do (
		if "#!s1:</%%k>=!" neq "#!s1!" (
			set z=!z:~1!
		)
	)

 	for %%k in (%exception%) do (
		if "!s1:<%%k=!" neq "!s1!" (
			if "#!s2:/>=!" equ "#!s2!" (
				set z=!z!y
			) else (
				set o=o
			)
		)
	)



	if "!o!!z!!s1:~-5!" equ " name" (
	
		set s3=!s2:^"= !
		
		for /f "tokens=1 delims= " %%c in ("!s3!") do (
		
			if not defined #%%~c (

				call	:getn !n! ss
				set sa=%%~c
			
				rem 保留"."后面的尾巴
				if "!sa:.=!" neq "!sa!" set ss=!ss!.!sa:*.=!


				for /f "tokens=1,2,3 delims= " %%x in ("!n! !ss! !z!") do (
					endlocal
					set $%%x=%%y囧%%~c
					set #%%~c=%%y
					set /a n+=1
					set z=%%z
					setlocal enabledelayedexpansion
			
				)
			)
		)
	
	)



)

set/a n-=1

(
for /f "tokens=1,*" %%a in (!strFile!) do (

endlocal
	set stra=%%a
	set str=%%b
setlocal enabledelayedexpansion

	if defined str (
		set "str=!stra! !str: =!"
		for /l %%1 in (0,1,%n%) do (
			for /f "tokens=1,2 delims=囧" %%b in ("!$%%1!") do (
				if "!str:%%c=!" neq "!str!" (
				if "!str:%%c=%%c!" equ "!str!" (
					set str=!str:"%%c"="%%b"!
					set str=!str:"@%%c"="@%%b"!
					set str=!str:"#%%c"="#%%b"!
					if "!str:*%%c=!" neq "!str!" (
						call	:parti %%c %%b
					)
				))
			)
		)

	) else (

		set str=%%a

	)	

	echo;!str!

)

) >结果.txt

start 结果.txt

rem 查看有多少个更改

set $

pause

exit /b

rem 计算临名字，可加上前缀，多个，A 到 ZZZZ 多个
:getn

(set L=%1
set M=%1
set %2=)

:loop
set /a M=L %% 26
set %2=!%2!!ASC:~%M%,1!
if !M! neq !L! set /a L=L/26&goto :loop
goto :eof

rem 非双引号位置处理 如：#xxxx+  #xxxx[  ]  #xxxx.dir  
:parti
for %%a in (!tab!) do (
	if "!str:%1%%~a=!" neq "!str!" (
		if "!str:%1%%~a=%1%%~a!" equ "!str!" (
			set str=!str:@%1%%~a=@%2%%~a!
			set str=!str:#%1%%~a=#%2%%~a!
			if "!str:*%1=!" equ "!str!" (
				goto :partiE
			)
		)
	)
)
:partiE

goto :eof
复制代码

那個帖子最後一個版本的代碼

$global:n = 0; $Hash=@{};
$str = [IO.File]::ReadAllText('manifest.xml',[Text.Encoding]::Default);

#修改name属性的值，如果name属性值以music_prev或music_display或music_next等开头，或者节点名为Extra，则不修改
$reg1 = '(?<=<(?!Extra)[^<>]*\sname=")(?!notice)(?!music_(?:prev|display|next|play|pause|album_cover))(?!notification_(?:icon|title|content|time|info|subtext|key|list))[^"]+(?=")';

#如果command与target同时出现，command="play"，则修改target属性值，
$reg2 = '(?<=\starget=")[^"]+(?="[^<>]*\scommand="play)|(?<=\scommand="play[^<>]*\starget=") [^"]+(?=")';

$str = [regex]::Replace($str, $reg1 + '|' + $reg2, {
    param($m);
    $key = $m.Value;
    if( !$Hash.ContainsKey($key) ){
        $x = [Math]::floor( $global:n / 26 );
        if($x) { $chr1 = [char]( 64 + [int]$x ) } else { $chr1 = '' }
        $Hash[$key] = $chr1 + [char]( 65 + $global:n++ % 26 );
    }
    $Hash[$key];
})

$arrKey = $Hash.Keys | sort -Desc {$_.Length};

#如果属性值包含@#字符，或者属性值以 .animation或.visibility 结尾，则修改
$str = [regex]::Replace($str, '(?<=")([^"@#]*[@#][^"]+|[^"]+(?:\.animation|\.visibility))(?=")', {
    param($m);
    $s = $m.Groups[1].Value;
    forEach( $key In $arrKey ) {
        $s = $s.Replace( '@' + $Key, '@' + $Hash[$Key] );
        $s = $s.Replace( '#' + $Key, '#' + $Hash[$Key] );
        $s = $s.Replace( $Key + '.animation', $Hash[$Key] + '.animation' );
        $s = $s.Replace( $Key + '.visibility', $Hash[$Key] + '.visibility' );
    }
    $s;
})

[IO.File]::WriteAllText('manifest2.xml', $str, [Text.Encoding]::UTF8);

$str = [IO.File]::ReadAllText('config.xml', [Text.Encoding]::Default);
$str = [regex]::Replace($str, '(?<=\sid=")[^"]+(?=")', {param($m); if($Hash[$m.Value]){$Hash[$m.Value]}else{$m.Value}});
[IO.File]::WriteAllText('config2.xml', $str, [Text.Encoding]::UTF8);

echo 'Done';
[Console]::ReadKey()
复制代码

uhjjhjff11d

回复 35# WHY

我该说你啥好？喜欢抬杠，又抬不到点上。
你把我写的脚本贴出来是几个意思？是想跟你的对比，让我难堪是不是？
既然贴出来了，你看都不看一眼就开始胡咧咧？
他定义 A~ZZZ 变量范围明明有目的，没看见脚本有两个xml文件吗？他想把第二个文件与第一个文件按照某种对应关系进行修改。
明白不？打脸不？疼不？不疼我再打打？
echo 範例

你觉得这个脚本咋样？是不是完胜正则万倍？

算啦吧，各回各家，各找各妈。你的帖子我不再回复。

具體回覆每一個問句

• 我不知道
  
• 既然我認為正則不適合用在這裡（至少是上層的操作），當然直接用這裡現有的代碼來對比啊。
  
• 沒有什麼誰的代碼如何如何，現在是在說 api 和正則在操作 xml 誰比較有優勢。
  
• 你們的代碼我不想看是事實，如果我覺得有閱讀的價值，我發這個帖不是打自己的臉嗎？
  
• 沒看見，但是這和幾個 xml 文件有什麼關係？
  
• 明白了，但是系統的雜湊，同樣的輸入就會得到同樣的輸出，只要變量名沒有改變，多幾個 xml 文件是不會出問題的。
  
• 是的，你把我臉打腫了
  
• 疼
  
• 不用了，我不喜歡被打臉
  
• 不怎麼樣
  
• 不是
  

uhjjhjff11d

回复 37# WHY
我可以重述一些內容

• 論壇上傳文件有點問題（補充：在 edge 上允許 flash 之後還是無法上傳，firefox 和 chrome 默認都是禁止 flash 的，當然都可以啟用但是我沒去試）
  
• 只需要一行 if else 就能解決的問題拿到論壇問越積越多會浪費其他人的時間 （這個是靠自覺的，寫了沒有用所以刪除）
  
• 帖子的標題應該寫清楚處理特殊格式的文件，沒興趣的人就不用點進去（這個是靠自覺的，寫了沒有用所以刪除）
  
• 沒註釋
  
• 不太能理解在沒必要的時候為什麼要混 batch + PowerShell + .net
  
• 有些帖子的代碼會把無關的文件給搞砸，而且並沒有完全解決標題要解決的問題，但是標題寫已解決
  

網路上很多 PowerShell 操作 xml 的影片和文檔，更好的寫法多的是。前幾樓很明顯有其他論壇的老人常常在用 xml 了，如果對 PowerShell 操作 xml 感興趣，應該去請教那些常常處理 xml 的人。
我（扣除雜湊和 if else ）只是寫一行代碼示範用 api 處理節點批量改名（沒需求沒興趣沒能力沒時間去寫我不感興趣的代碼），如果那寫法會把 xml 結構搞砸的話歡迎指教。