如何在VS Code中用正则表达式移除XML文件中的重复元素？

问题场景 #

有如下XML文件，根元素<item>下所有带name属性的子元素（如<array>）均重复出现两次：

<item>
    <array name="time_entries">
        <item>0</item>
        <item>10</item>
    </array>
    <array name="time_entries">
        <item>0</item>
        <item>10</item>
    </array>
    <array name="game_level">
        <item>0</item>
        <item>1</item>
        <item>2</item>
        <item>3</item>
    </array>
    <array name="game_level">
        <item>0</item>
        <item>1</item>
        <item>2</item>
        <item>3</item>
    </array>
</item>

现有尝试的问题 #

你之前使用的正则表达式<item name=".*">#...</item>存在两处核心问题：

1. 目标重复元素是<array>而非<item>，正则匹配对象错误
2. #...不是有效的正则通配语法，无法匹配元素内部的完整内容结构

正确的VS Code正则查找替换方案 #

1. 打开VS Code的查找替换面板（快捷键Ctrl+H/Cmd+H），点击面板右侧的.*按钮开启正则表达式模式
2. 查找框输入以下正则：

(<array name="([^"]+)">\s*(?:<item>[^<]+<\/item>\s*)+<\/array>)(\s*\1)

3. 替换框输入：

$1

4. 点击「替换全部」即可移除所有重复的<array>元素

正则逻辑说明 #

• (<array name="([^"]+)">\s*(?:<item>[^<]+<\/item>\s*)+<\/array>)：捕获第一个完整的<array>元素，匹配其name属性、内部的<item>子元素及所有空白/换行符
• (\s*\1)：匹配后续紧跟的空白/换行，以及和第一个捕获组完全相同的重复元素
• 替换为$1即保留第一个元素，删除重复项

替换后的结果 #

<item>
    <array name="time_entries">
        <item>0</item>
        <item>10</item>
    </array>
    <array name="game_level">
        <item>0</item>
        <item>1</item>
        <item>2</item>
        <item>3</item>
    </array>
</item>

内容的提问来源于stack exchange，提问作者Arfeen Yousuf