如何用JavaScript正则移除myxml中除开头外的<?xml和<gpx起始内容

直接用全局replace会把开头需要保留的内容也删掉，得拆分处理：先提取并保留开头的第一个<?xml version=声明和第一个<gpx标签，再对剩余内容批量移除同类标签。

JavaScript实现示例 #

function cleanXml(myxml) {
  // 匹配开头的XML声明（支持跨行）
  const xmlDecl = myxml.match(/^<\?xml version=[\s\S]+?\?>/);
  // 匹配XML声明后的第一个GPX标签
  let gpxStart = null;
  let startOffset = 0;
  if (xmlDecl) {
    startOffset = xmlDecl[0].length;
    gpxStart = myxml.slice(startOffset).match(/^<gpx[\s\S]+?>/);
  }

  // 拼接需要保留的开头部分
  let result = '';
  if (xmlDecl) result += xmlDecl[0];
  if (gpxStart) result += gpxStart[0];

  // 处理剩余内容：移除所有XML声明和GPX开头标签
  const remainingContent = myxml.slice(result.length);
  const processed = remainingContent
    .replace(/<\?xml version=[\s\S]+?\?>/g, '')
    .replace(/<gpx[\s\S]+?>/g, '');

  return result + processed;
}

Python实现示例 #

import re

def clean_xml(myxml):
    # 匹配开头的XML声明（DOTALL让.匹配换行）
    xml_decl_match = re.match(r'^<\?xml version=.+?\?>', myxml, re.DOTALL)
    gpx_start_match = None
    offset = 0

    if xml_decl_match:
        offset = len(xml_decl_match.group())
        # 匹配XML声明后的第一个GPX标签
        gpx_start_match = re.match(r'<gpx.+?>', myxml[offset:], re.DOTALL)
    
    # 组装保留的头部
    cleaned_head = ''
    if xml_decl_match:
        cleaned_head += xml_decl_match.group()
    if gpx_start_match:
        cleaned_head += gpx_start_match.group()
    
    # 处理剩余内容，移除所有目标标签
    remaining = myxml[len(cleaned_head):]
    processed_remaining = re.sub(
        r'<\?xml version=.+?\?>|<gpx.+?>', 
        '', 
        remaining, 
        flags=re.DOTALL
    )

    return cleaned_head + processed_remaining

核心逻辑说明 #

1. 用match（或正则开头锚定^）只捕获字符串最开头的目标内容，避免误删需要保留的部分
2. 截取剩余内容后，用全局替换移除所有后续出现的<?xml version=声明和<gpx开头标签
3. 最后拼接保留的头部和处理后的剩余内容，得到最终结果

内容的提问来源于stack exchange，提问作者ADL92