如何从包含多元素值的XML字符串中提取Category字段的取值

你可以分两步完成提取：

• 第一步：先提取XML中<worknotes>标签包裹的所有文本内容
• 第二步：从提取到的文本中匹配Category:后的字段值，截止到换行/空格前的内容就是目标取值

Python 实现示例 #

import re

# 替换为你实际的XML内容
xml_text = """
xx
xx
xx
<worknotes>
Detailed Description:xxx-- MM Info:xxx-- Opened by:xxxOpened at: 2020-11-25 20:21:22Email:aa@aa.com Entity: xxx Location:xxxCategory:xxxxxx
Site:xxxx
Service:xxx
WorkInfo:xxx
</worknotes>
xx
xx
xx
"""

# 先匹配worknotes标签内容
worknotes_res = re.search(r'<worknotes>(.*?)</worknotes>', xml_text, re.DOTALL)
if worknotes_res:
    worknotes_content = worknotes_res.group(1)
    # 提取Category字段值
    category_res = re.search(r'Category:([^\s\n]+)', worknotes_content)
    if category_res:
        category_value = category_res.group(1).strip()
        print(category_value)

Shell 快速实现（适用于Linux/macOS环境） #

grep -oP '(?<=Category:)[^\s\n]+' 你的XML文件路径

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