正则匹配XML路径值时如何将正向预查内容排除出捕获组

问题根因 #

你当前使用的正向肯定预查(?=<path>|<paths>)属于零宽度断言，仅会校验当前游标位置后是否存在匹配的标签内容，不会消耗任何字符、也不会移动游标位置。因此预查通过后，游标仍停留在<path>/<paths>的起始<字符前，后续的.*自然会将整行标签内容全部捕获。

解决方案 #

方案1：通用兼容写法（所有正则引擎支持） #

直接匹配标签结构，用非捕获组过滤标签，仅捕获标签内的路径内容：

^\s*<(?:path|paths)>(.*?)</\1>$

• 逻辑说明：
  • ^\s*匹配行首的空白字符
  • <(?:path|paths)>匹配<path>或<paths>开头标签，?:标记为非捕获组不占用捕获名额
  • (.*?)非贪婪匹配标签内的路径内容，对应你要的捕获结果
  • </\1>匹配和开头对应的闭合标签（\1自动引用前面非捕获组匹配的标签名，自动适配path/paths两种情况）

测试后捕获组1的输出就是你需要的/my/data、/global/data。

方案2：支持\K语法的引擎简化写法 #

如果你的运行环境支持PCRE、Python3.10+、JS ES2018+等现代正则引擎，可以用\K语法直接丢弃前面匹配的标签内容，无需额外捕获组：

^\s*<(?:path|paths)>\K.*(?=</\1>$)

直接返回的匹配结果就是目标路径内容。

内容的提问来源于stack exchange，提问作者Dean