Python使用正则提取XML中ENTITY实体值失败如何解决？

核心错误点 #

• 1. re.match() 要求正则从字符串开头位置匹配，你的XML行开头是<!，但你的正则以ENTITY开头，完全匹配不上。
• 2. 正则表达式没有定义捕获组，就算匹配成功，groups()也会返回空元组，自然加不到列表里。
• 3. 正则里的空格匹配逻辑、特殊符号没有做兼容处理，很容易匹配失败。

修复后的代码 #

首先注意要导入re模块，你原代码遗漏了该导入步骤：

import re

# 优化文件读取写法，自动关闭文件避免资源泄露
with open("file.xml", "r", encoding="utf-8") as xml:
    lines = xml.readlines()

result = "ABC"
var_search_result_list = []
# 补充开头匹配规则，给需要提取的数值部分加捕获组
var_searcher = r"<!ENTITY\s+" + result + r'\s+"([^"]+)">'

for line in lines:
    # 对行做去首尾空白处理，避免缩进、换行符导致匹配失败
    var_search_result = re.match(var_searcher, line.strip())
    if var_search_result:
        # 直接取第一个捕获组的内容存入列表
        var_search_result_list.append(var_search_result.group(1))

print(var_search_result_list)

逻辑说明 #

• 正则开头补充了<!匹配XML实体的固定前缀，用\s+匹配任意数量的空格，兼容实体名和值之间的多个空格格式。
• 把需要提取的数值部分用()包裹为捕获组，匹配成功后直接用group(1)就能拿到对应的值。
• 行处理前增加strip()操作，过滤行首尾的空白、换行符，进一步提升匹配容错性。

内容的提问来源于stack exchange，提问作者toki