java - REGEX 在 Java 中将每行编码的 xml 中的前导空格和制表符替换为 html 代码

Question

我想用 html 代码替换编码的 xml/html 中的所有前导空格和制表符，每行。

通过制表符替换所有 4 个空格组或每个制表符 (#09;) 通过空格 ( ) 替换其余空格 替换可以/必须仅在每行的开头，直到第一个非空格或制表符

示例

Begin of Line: (^|(\\r|\\n)+) => (\\r|\\n)+ multiple linebrakes can be wrapped

Replacmentment chars: [ ], [\t]

21 whitespaces = 5 x #09; + 1 x  
10 Whitespace + 1 tab + 6 whitespaces = 2x #09; + 2x   + 1x #09; + 1x 
#09; + 2x  

:: 10 spaces = 2 x #09 + 2x &nbsp
:: 1 tab = 1x #09
:: 6 spaces = 1 x #09 + 2x &nbsp

输入是一个字符串，之前会被其他正则表达式替换

text = text.replace(regex1, replacement1)
text = text.replace(regex2, replacement2)
text = text.replace(regex3, replacement3)
text = text.replace(regex4, replacement4)

在这个位置我必须实现新的正则表达式

可视化 XML

<TEST>
    <NODE1>
        <VALUE>         Test</VALUE>
    </NODE1>
    <NODE1>
        <VALUE>         Test</VALUE>
    </NODE1>
</TEST>

编码的xml结构，来自视觉等输入字符串

<TEST>
    <NODE1>
        <VALUE>         Test</VALUE>
    </NODE1>
    <NODE1>
        <VALUE>         Test</VALUE>
    </NODE1>
</TEST>

预期输出

<TEST>
	<NODE1>
&#09;&#09;&nbsp;&lt;VALUE&gt;         Test&lt;/VALUE&gt; <- NOT replaced in <VALUE>
&#09;&lt;/NODE1&gt;
&#09;&lt;NODE1&gt;
&#09;&#09;&nbsp;&lt;VALUE&gt;         Test&lt;/VALUE&gt; <- NOT replaced in <VALUE>
&#09;&lt;/NODE1&gt;
&lt;/TEST&gt;

我尝试了很多

尝试在正则表达式内存中存储行开头，替换空白组，但失败

result: repeating beginning of the line and html coded spaces/tabs
example: \r	\r	\r	\r	
expected:\r				

"(^|(\\r|\\n))[ ]{4}", "\\1&#09"

尝试在 2 行中做到这一点，首先将 4 个空格替换为制表符，将制表符替换为制表符，然后 第二步将其余空格替换为 &bnsp;但随后它取代了每个空格 尝试了同样的操作，使用 " [ ]", " &nbps;"

我尝试使用 Matcher.find() 循环和子字符串来做到这一点 显示最好但不是 100% 正确的结果。

我失败了并且无法获得正确的正则表达式，有人可以帮忙吗？

Answer 1

下面的program怎么样？使用一堆replaceAll方法和lookbehind s:

    public static void main (String[] args) {
        final String[] INPUT = new String[] {
"<TEST>",
"    <NODE1>",
"         <VALUE>         Test</VALUE>",                // 2 tabs 1 space here
"    </NODE1>",
"    <NODE1>",
"        <VALUE>         Test</VALUE>",
"    </NODE1>",
"</TEST>"
    };

        for (String str: INPUT) {
            System.out.println("NEW: " + htmlspecialchars(str));
        }
    }

    private static String htmlspecialchars(String str) {
        return str
            .replaceAll("&", "&quot;")                  // replace html entities
            .replaceAll("<", "&lt;")
            .replaceAll(">", "&gt;")
            .replaceAll("(?<=^\\s*)\t", "    ")         // replace tabs by 4 spaces
            .replaceAll("(?<=^\\s*)    ", "&#09;")      // replace 4 spaces by &#09;
            .replaceAll("(?<=^(?:&#09;)*) ", "&nbsp;"); // replace rest spaces by &nbsp;
    }

结果输出是:

NEW: <TEST>
NEW: 	<NODE1>
NEW: 		 <VALUE>         Test</VALUE>
NEW: 	</NODE1>
NEW: 	<NODE1>
NEW: 		<VALUE>         Test</VALUE>
NEW: 	</NODE1>
NEW: </TEST>