在轻量的文本处理场景中，使用正则表达式提取XML里的标签内容或属性是一种快捷做法。下面介绍常用的正则匹配思路与代码示例，帮助你快速从XML字符串中拿到需要的数据。
匹配普通XML标签与内容
如果XML结构比较简单，标签没有嵌套，可以用非贪婪模式提取开始标签和结束标签之间的文本。
import re
xml_str = '<user>张三</user><age>20</age>'
# 匹配 tag 和对应内容
pattern = r'<(w+)>(.*?)</1>'
results = re.findall(pattern, xml_str)
for tag, text in results:
print(tag, text)
# 输出: user 张三 / age 20
提取标签中的属性
XML标签常常带有属性，例如 <book id="1" lang="cn">。我们可以用正则把属性名和值分别取出来。
const xml = '<book id="1" lang="cn">正则入门</book>';
const attrRe = /(w+)="([^"]*)"/g;
let m;
while ((m = attrRe.exec(xml)) !== null) {
console.log('属性名:', m[1], '值:', m[2]);
}
// 属性名: id 值: 1
// 属性名: lang 值: cn
处理带属性的开始标签
有时我们只想拿到带有某些属性的开始标签整体，或者从中提取文本，可以组合写法。
$xml = '<item type="fruit">苹果</item>';
$pat = '/<(w+)([^>]*)>(.*?)</1>/';
if (preg_match($pat, $xml, $m)) {
echo "标签: " . $m[1] . "n";
echo "属性部分: " . $m[2] . "n";
echo "内容: " . $m[3] . "n";
}
注意事项与局限
- 正则难以正确处理嵌套标签，例如 <a><b>文字</b></a>。
- 如果XML属性值中包含 > 或换行，简单正则可能失效。
- 面对复杂或不规范XML，建议使用 DOMDocument 或 ElementTree 等解析库。
正则提取XML适合一次性脚本和规则固定的小文本，不要把它当作通用XML解析方案。
小结
通过非贪婪匹配、反向引用和属性匹配，可以用正则表达式完成基础的XML标签与属性提取。实际开发中请根据数据复杂度权衡是否引入专业解析器。