如何用正则表达式替换XML属性中的未转义嵌套双引号？

当然可以实现！不过得精准锁定属性值内部的未转义双引号——毕竟我们不能把属性的起始/结束引号也给转义了。

解决方案 #

我们可以用正向预查来限定匹配范围，确保只替换属性值里的嵌套引号：

正则表达式

(?<="[^"]*)"(?=[^"]*")

替换目标

"

正则逻辑拆解 #

让我们拆解一下这个正则的各个部分，明白它为什么能精准匹配：

• (?<="[^"]*)：正向后顾，确保当前引号的前面是属性的起始引号"，并且已经进入了属性值内部（跟着0个或多个非引号字符）
• "：就是我们要找的、需要转义的嵌套双引号
• (?=[^"]*")：正向前瞻，确保当前引号的后面会跟着属性的结束引号"（中间是0个或多个非引号字符）

示例代码（JavaScript） #

const originalXml = '<test> <tag1 att1="This has "nested double quotes""> <tag2 att2="This also has a nested " double quotes"></tag2> </tag1> </test>';
const escapedXml = originalXml.replace(/(?<="[^"]*)"(?=[^"]*")/g, '&amp;quot;');
console.log(escapedXml);

运行后输出的结果就是你想要的：

<test> <tag1 att1="This has &amp;quot;nested double quotes&amp;quot;"> <tag2 att2="This also has a nested &amp;quot; double quotes"></tag2> </tag1> </test>

注意事项 #

1. 这个正则仅适用于双引号包裹属性值的场景，如果你的XML里存在单引号属性，需要单独调整规则。
2. 正则处理XML有天然局限性：如果遇到CDATA块、注释里的引号，或者属性值本身已经包含转义实体的情况，正则可能会误匹配。如果是生产环境的复杂XML，更推荐用专业的XML解析库（比如Python的xml.etree、Java的DOM解析器）来处理——毕竟正则不是为解析XML设计的，但针对你给出的简单场景，这个方案完全够用。

内容的提问来源于stack exchange，提问作者revy