使用正则实现XML格式化：合并CDATA收尾行与对应标签行并匹配缩进

针对需要把独立换行的CDATA闭合标记]]>和相邻闭合标签合并、对齐缩进的需求，可通过以下匹配替换逻辑实现：

核心正则匹配规则 #

正则匹配需要精准识别跨三行的CDATA格式异常特征，拆分捕获段保证缩进可追溯，最终匹配表达式为：

^(\s*)<([\w:.-]+)[^>]*><!\[CDATA\[[\s\S]*?\n\s*\]\>\n\s*(</\2>)\s*$

• 表达式需要开启全局匹配、多行匹配模式才能批量处理整个XML文件的内容
• 捕获段说明：
  • 组1：对应起始标签所在行的前置缩进，作为后续合并行的对齐基准
  • 组2：带命名空间、特殊属性的起始标签名，通过反向引用保证匹配到的]]>和闭合标签是同一节点下的内容
  • 组3：和起始标签对应的完整闭合标签内容
  • 非贪婪匹配标记*?避免跨多个CDATA块出现错误匹配

替换逻辑 #

按照捕获段重排文本结构，替换格式为：

$1<$2><![CDATA[
  原CDATA段内部内容
$1]]>$3

替换后自动实现两个效果：

• 原本独立占行的]]>不再单独换行，直接和后面的闭合标签拼在同一行
• 整行缩进完全和对应起始标签的缩进保持一致，不需要手动适配不同嵌套层级的缩进值

效果验证 #

原始XML片段

<search>
  <query><![CDATA[
    testline1
    ]]>
  </query>
</search>

转换后格式

<search>
  <query><![CDATA[
    testline1
  ]]></query>
</search>

适配注意事项 #

• 支持带命名空间的标签匹配，适配实际生产环境的XML标签格式
• 不会修改CDATA段内部的原有换行和缩进，仅调整]]>标记和闭合标签的位置
• 对无嵌套、独立行书写的CDATA块不会产生误匹配

内容的提问来源于stack exchange，提问作者S.J.