如何用Notepad++去除XML重复块（保留首次出现项）

你可以通过Notepad++的PCRE正则表达式实现需求，核心是匹配并删除非首次出现的、带有相同data属性值的<mms>块，具体操作如下：

操作步骤 #

1. 打开目标XML文件，按Ctrl+H调出替换窗口
2. 在「查找模式」中选择正则表达式，并勾选「.匹配换行符」选项
3. 填入以下正则规则：
   • 查找内容：

     (?s)(?<=.*<part[^>]*data="([^"]+)".*?)(<mms[^>]*>.*?<part[^>]*data="\1".*?</mms>)
     

   • 替换为：（留空）
4. 点击「全部替换」，即可保留每个data属性值对应的首次<mms>块，删除后续重复项

正则说明 #

• (?s)：开启单行模式，让.匹配换行符，确保能匹配多行的XML块
• (?<=.*<part[^>]*data="([^"]+)".*?)：正向回顾断言，检查当前位置之前已经出现过带有相同data值的<part>标签
• (<mms[^>]*>.*?<part[^>]*data="\1".*?</mms>)：捕获后续出现的、带有相同data值的完整<mms>块，替换为空即可删除重复项

注意事项 #

• 确保XML结构规范，每个<mms>块仅包含一个<part>标签（若有多个<part>，需调整正则逻辑）
• 大型XML文件操作前请务必备份，避免意外数据丢失
• 若data属性值包含特殊字符（如转义引号），需微调正则适配

内容的提问来源于stack exchange，提问作者user20446145