无法让“s”标志在撒克逊9.5的正则表达式中工作

Question

我有一个XML信封/有效负载结构，如下所示：

<RootEnvelopeTag>
    <EnvelopeTag />
    <EnvelopeTag />
    <EnvelopeTagContainingPayload>
        &lt;WantedPayloadTag&gt;Some text and nested tags.&lt;/WantedPayloadTag&gt;&lt;UnwantedPayloadTag&gt;Lots of text and nested tags.&lt;/UnwantedPayloadTag&gt;
    </EnvelopeTagContainingPayload>
</RootEnvelopeTag>

为了提取有效负载，通过删除所有信封元素，我使用以下XSLT：

<xsl:transform version="2.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform" xmlns:xs="http://www.w3.org/2001/XMLSchema" exclude-result-prefixes="xs">
  <xsl:output method="text" encoding="utf-8"/>
  <xsl:template match="/">
    <xsl:apply-templates select="*/EnvelopeTagContainingPayload"/>
  </xsl:template>
  <xsl:template match="EnvelopeTagContainingPayload">
    <xsl:value-of select="."/>
  </xsl:template>
</xsl:transform>

结果是一个新的文本文件，一旦解析为XML，就允许我只使用有效负载XML。

这在Saxon HE 9.5和AltovaXML 2013中都运行良好。但是，我现在还需要删除部分有效负载，特别是一个元素，包括标签及其所有内容（

由于在原始XML文件中，有效负载只是一个字符串，因此我使用替换（）与匹配不需要的元素和空字符串作为替换字符串的正则表达式。我包含“s”标志，以获取“.”在正则表达式中匹配不需要的元素中存在的换行符。因此，容器信封元素的模板更改为：

  <xsl:template match="EnvelopeTagContainingPayload">
    <xsl:variable name="removeUnwanted" as="xs:string" select="replace(., '&lt;UnwantedPayloadTag.*UnwantedPayloadTag&gt;', '', 's')" />
    <xsl:value-of select="$removeUnwanted"/>
  </xsl:template>

在AltovaXML中，这可以无缝工作。结果与预期完全一致。但在撒克逊，它造成了巨大的破坏。未生成输出；相反，我在命令行中不断重复以下错误消息，使整个DOS命令行窗口混乱不堪：

净利润。旧金山。撒克逊人。正则表达式。操作$OpStar。exec（Operation.java:235）

net.sf.saxon.regex.REMatcher.match节点（REMatcher.java:413）

只有当我使用“s”标志时，问题才会出现。但如果我把它扔了，我就赢不了比赛。我尝试了一种不需要标志的替代方案，并且做了相同的操作：

    <xsl:variable name="removeUnwanted" as="xs:string" select="replace(., '&lt;UnwantedPayloadTag[\s\S]*UnwantedPayloadTag&gt;', '')" />

但我在萨克森身上也有同样的错误。再一次，阿尔托娃做对了。我不确定问题是否出在我的代码上，因为它在Altova中运行良好。但我真的很想让这个在撒克逊也能用上。那么，怎么了？

Answer 1

由于回溯太多，您在Saxon正则表达式引擎中遇到堆栈溢出。我们在未来的9.6版本中对此进行了修复，但与此同时，您需要小心执行过多回溯的正则表达式。

真的，你的方法是错误的。正则表达式不应用于解析XML。您的表达式是错误的，因为它可以匹配不应该匹配的内容，例如注释中看起来像结束标记的内容。通过调整regex是无法正确实现的，因为XML具有递归语法，而正则表达式无法处理递归语法。Saxon为此提供了parse-xml（）。

Answer 2

由于Saxon 9.6现在可用，甚至在家庭版中，他也支持XPath 3.0函数，如解析xml片段，因此解决问题的正确方法现在正在实施

<xsl:transform version="3.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform" xmlns:xs="http://www.w3.org/2001/XMLSchema" exclude-result-prefixes="xs">

  <xsl:output method="xml" encoding="utf-8"/>

  <xsl:template match="/">
    <xsl:apply-templates select="*/EnvelopeTagContainingPayload"/>
  </xsl:template>

  <xsl:template match="@* | node()">
    <xsl:copy>
      <xsl:apply-templates select="@* , node()"/>
    </xsl:copy>
  </xsl:template>

  <xsl:template match="EnvelopeTagContainingPayload">
    <xsl:apply-templates select="parse-xml-fragment(.)"/>
  </xsl:template>

  <xsl:template match="UnwantedPayloadTag"/>

</xsl:transform>

这样，您只需将标记解析为XML，然后使用模板过滤掉任何不需要的元素。