如何用正则移除分组内换行，修复拆分的XML结束标签

直接用正则匹配被拆分的结束标签片段，移除中间的换行（或空白）并合并即可，以下是具体实现：

核心思路 #

匹配</开头、被换行（或空白）拆分、以>结尾的不完整结束标签，将拆分部分拼接起来，去掉中间的分隔空白。

正则表达式与替换规则 #

正则：(</[^>]*)\s+([^>]*>)
替换为：$1$2（不同语言里捕获组引用可能用\1\2，比如Python）

• 正则说明：
  • (</[^>]*)：捕获</开头到空白前的标签片段
  • \s+：匹配任意数量的空白（包括换行、空格、制表符）
  • ([^>]*)>：捕获空白后到>的剩余标签片段

代码示例（Python） #

import re

# 带有拆分标签的XML文本
broken_xml = """
<gcusfvalue>测试内容</gc
usfvalue>
<gcrundesc>描述文本</gc
rundesc>
"""

# 修复拆分的标签
fixed_xml = re.sub(r'(</[^>]*)\s+([^>]*>)', r'\1\2', broken_xml)
print(fixed_xml)

运行后输出的XML会把拆分的</gc+换行+usfvalue>合并为</gcusfvalue>，</gc+换行+rundesc>合并为</gcrundesc>。

其他语言适配 #

比如JavaScript中可以这样写：

const brokenXml = `
<gcusfvalue>测试内容</gc
usfvalue>
<gcrundesc>描述文本</gc
rundesc>
`;
const fixedXml = brokenXml.replace(/(<\/[^>]*)\s+([^>]*>)/g, '$1$2');
console.log(fixedXml);

内容的提问来源于stack exchange，提问作者italo_pm