如何用正则表达式提取XML内容 正则匹配XML标签与属性方法
不推荐用正则表达式解析XML，因其无法处理嵌套、转义、CDATA、命名空间等XML特性，易导致漏匹配、截断错误及安全风险；应使用专业XML解析器如Python的xml.etree.ElementTree。
不推荐用正则表达式解析XML——这是根本性误区。XML是嵌套、递归、可扩展的结构化语言，而正则表达式不具备处理任意深度嵌套的能力（比如
为什么正则匹配XML标签风险高
常见失败场景包括：
- 属性值含双引号时：
"[^"]*"会提前在第一个"处截断 - 标签跨行或含空白：
s模式但易扩大误匹配范围 - 自闭合与普通标签混用：
vs—— 单一模式难兼顾 - 注释干扰：
data
如果只是简单提取（无嵌套、无转义、格式严格）
仅适用于可控、临时、原型场景（如预处理日志中的类XML片段），可谨慎使用以下模式：
- 匹配完整标签（含开始、结束或自闭合）：
]*>.*?\1>|]*/>（需启用s和i标志） - 提取特定标签内容（如
.*? ([^ - 提取属性值（单/双引号）：
\s+id\s*=\s*["']([^"']*)["']—— 不能处理未加引号的属性或引号内转义
真正可靠的做法：用专业XML解析器
所有主流语言
都提供成熟、安全、标准兼容的XML解析库：
- Python：用
xml.etree.ElementTree（内置）或lxml（支持XPath、更健壮） - JavaScript：用浏览器原生
DOMParser或 Node.js 的fast-xml-parser - Java：用
javax.xml.parsers.DocumentBuilder或Jsoup（对不规范HTML/XML更宽容） - 命令行：用
xmlstar（xmlstar -t -v "//title" file.xml）或xmllint
例如 Python 提取所有
→ 正确代码：
import xml.etree.ElementTree as ETtree = ET.parse("file.xml")
for name in tree.findall(".//name"): print(name.text)
基本上就这些。正则不是万能钥匙，XML也不是字符串——该交给解析器的事，别硬塞给正则。
