如何从多行TIF元数据字符串提取SCALE数值？C++正则问题

我正在开发一款C++程序，需要从TIF文件读取的元数据字符串中提取SCALE值（示例中为0.5），元数据格式如下：

<GDALMetadata>
  <Item name="BANDWIDTH"></Item>
  <Item name="CENTER_FILTER_WAVELENGTH"></Item>
  <Item name="DATA_SET_ID">&amp;quot;LRO-L-LOLA-4-GDR-V1.0&amp;quot;</Item>
  <Item name="FILTER_NAME"></Item>
  <Item name="INSTRUMENT_ID">&amp;quot;LOLA&amp;quot;</Item>
  <Item name="INSTRUMENT_NAME">&amp;quot;LUNAR ORBITER LASER ALTIMETER&amp;quot;</Item>
  <Item name="MISSION_NAME"></Item>
  <Item name="NOTE"></Item>
  <Item name="PRODUCER_INSTITUTION_NAME">&amp;quot;GODDARD SPACE FLIGHT CENTER&amp;quot;</Item>
  <Item name="PRODUCT_CREATION_TIME">2017-09-15</Item>
  <Item name="START_TIME">2009-07-13T17:33:17</Item>
  <Item name="STOP_TIME">2016-11-29T05:48:19</Item>
  <Item name="OFFSET" sample="0" role="offset">1737400</Item>
  <Item name="SCALE" sample="0" role="scale">0.5</Item>
</GDALMetadata>

我尝试用以下正则代码实现提取，但未能成功运行：

float scale = 1;
std::regex rgx("*<Item name=\"SCALE\"*>(.*?)</Item>*");
std::smatch match;       
if (std::regex_search(metadata.begin(), metadata.end(), match, rgx)) {
    scale = static_cast<float>(std::atof(match.str().c_str()));
};

问题分析与修正 #

原正则代码有三个关键错误：

• 开头的*是无效语法：正则中*是量词，不能单独作为匹配开头，需要用[^>]*匹配标签内的其他属性
• 未正确捕获目标值：match.str()返回的是整个匹配的字符串，而非我们需要的SCALE数值，应该用捕获组match[1].str()
• 正则匹配逻辑不严谨：原正则无法正确匹配带有额外属性的<Item>标签

修正后的代码如下：

float scale = 1.0f;
// 使用原始字符串字面量避免转义，正则匹配SCALE对应的Item标签并捕获数值
std::regex rgx(R"(<Item name="SCALE"[^>]*>(.*?)</Item>)");
std::smatch match;       
if (std::regex_search(metadata, match, rgx)) {
    // 用std::stof直接转换捕获组内容为float，更符合C++风格
    scale = std::stof(match[1].str());
}

正则说明 #

• <Item name="SCALE"：精准定位到SCALE对应的Item标签开头
• [^>]*：匹配标签内的任意额外属性（比如sample="0" role="scale"），[^>]表示匹配除>外的任意字符，*表示匹配任意次数
• (.*?)：非贪婪捕获标签内的数值内容，避免误匹配到其他标签
• </Item>：匹配标签结尾

内容的提问来源于stack exchange，提问作者Chris Gnam