regex-Problem ( mit den Klassen Matcher / Pattern) --> XML prüfen

[megachucky]

Hallo.

Ich habe eine XML-Datei, z.B.

String request = "<soap:Envelope xmlns:soap='http://www.w3.org/2003/05/soap-envelope'><soap:Body><abc_zustand>blabla</soap:Body></soap:Envelope>";

Ich möchte alles bis zu inklusive "<soap:Body>" abschneiden und in einem String speichern. Allerdings ist das Body-Prefix natürlich nicht immer soap, daher ist hier eine Wildcard nötig.

Folgendes funktioniert solange ich "soap" statt Wildcard verwende:

Matcher getSoapBody     = Pattern.compile("<.*:Body>").matcher(request);

if(getSoapBody.find()) {
            String a = get2.group(0);
            System.out.println(a);
        }

Allerdings wird mit der Wildcard nun anscheinend auch das Body-Ende </soap:Body> gefunden und dadurch der ganze String gespeichert.

Kann mir bitte jemand erklären, wie ich es machen muss? Danke...

 

[nixnick]

laut Pattern (Java 2 Platform SE v1.4.2) einfach ein ? an den regex hängen, damit wird er ungreedy (greedy=gierig) und nimmt max. 1mal den pattern mit.

 

[Ebenius]

ungreedy (greedy=gierig)

bzw. reluctant (=abgeneigt)

Ebenius

 

[megachucky]

Hallo zusammen,

vielen Dank schonmal. Aber leider wird trotzdem der String bis zu </soap:Body> abgeschnitten bei folgendem Code:

		Matcher get1     = Pattern.compile("<.*:Body>?").matcher(messageText);
        
        System.out.println(get1.toString());
        
        if(get1.find()) {
            String a = get1.group(0);
            System.out.println(a);
        }

Kann mir bitte jemand ein konkretes Beispiel nennen, wie es funktioniert?

Ich verstehe auch nicht, wieso get1.group(1) eine IndexArrayOutOfBounds schmeisst, hier müsste doch der erste Match kommen? Nur get1.group(0) funktioniert, und das gibt eben zuviel zurück.

Ich gebe zu, ich verstehe anscheinend das ganze Prinzip noch nicht, und werde mir die API nochmal genauer anschauen. Trotzdem wäre ich für ein konkretes Beispiel dankbar, in dem mein Problem gelöst wird.

Danke schonmal...

 

[Ebenius]

Oh, also die Groups sind was anderes. Beispiel: Der reguläre Ausdruck [c](\w+) (\d+)[/c] matched auf eine Buchstabenkette, gefolgt von einem Leerzeichen, gefolgt von einer Nummernkette. Die Klammern bilden dabei Gruppen, von links nach rechts. Die Buchstabenkette ist die Gruppe eins, die Nummernkette ist die Gruppe zwei, der gesamte Ausdruck matched als Gruppe null. Wenn Du den zweiten Treffer des Ausdrucks finden willst, dann musst Du zweimal [c]find()[/c] aufrufen.

Wahrscheinlich sieht die Reg-Ex so in etwa aus: [c](?<=<(\w{1,255}):Body>).*?(?=</\1:Body>)[/c]

Aber XML mit Reg-Ex auseinander zu nehmen ist immer hässlich; besonders wenn man da nicht ganz sattelfest ist.

Ebenius

 

[Ebenius]

Vorsicht, ich hab oben noch editiert.

Wahrscheinlich sieht die Reg-Ex so in etwa aus: [c](?<=<(\w{1,255}):Body>).*?(?=</\1:Body>)[/c]

Das erkläre ich vielleicht mal noch in Einzelteilen...

• [c](?<=XYZ)[/c] bedeutet, dass links neben dem Match XYZ gefunden werden muss. XYZ liegt also direkt außerhalb, am linken Rand des Treffers (positive zero-width lookbehind).
• [c].*?[/c] Das ist der eigentliche Treffer... Jede Anzahl von Zeichen, das Fragezeichen hinter dem Stern sorgt dafür, dass der kürzeste Treffer der alle anderen Bedingungen einhält gewinnt (reluctant zero or more chars).
• [c](?=XYZ)[/c] Funktioniert wie der erste Punkt, aber rechts vom Treffer (positive zero-width lookahead).
• [c]\1[/c] Ist eine Back-Reference. Oben ist die Gruppe eins so definiert: [c](\w{1,255})[/c], also eine Kette von Zeichen mit 1-255 Zeichen Länge. Die Back-Reference [c]\1[/c] verlangt nun, dass was auch immer als Gruppe eins gefunden wurde, da wieder genau so auftauchen muss. Damit würde in diesem String ein Treffer gefunden: [c]<soap:Body>Huhu</soap:Body>[/c], in diesem auch: [c]<a:Body>Huhu</a:Body>[/c], in diesem aber nicht: [c]<soap:Body>Huhu</a:Body>[/c].

HTH, Ebenius

 

[megachucky]

Vielen Dank für die Erläuterungen. Die API ist doch etwas schwer verständlich

Ich werde deine Reg-Ex mal testen. Prinzipiell muss ich auch nicht unbedingt Reg-Ex verwenden, ich habe aber keine andere Idee im Moment :-(

Anwendungsfall ist folgender: Ich bekomme eine SOAP-Request als String, schneide alles mit SOAP ab (also bis <s:Body> und ab </s:Body>) und speichere dies in Strings. Nach der Verarbeitung erhalte ich eine Antwort (ebenfalls wieder XML als String), hier füge ich dann die SOAP-Sachen wieder dran.

An Reg-Ex dachte ich eben, weil nicht bekannt ist, wie das Body-Prefix heißt, dafür benötige ich eine Wildcard.

Vielleicht gibts ja eine bessere Lösung als Reg-Ex für diesen Fall?

 

[megachucky]

Das erkläre ich vielleicht mal noch in Einzelteilen...

Wow, also dass das so kompliziert ist, war mir gar nicht bewusst. Mal schnell selbst ne Reg-Ex schreiben ist da wirklich nicht möglich :-(

Damit würde in diesem String ein Treffer gefunden: <soap:Body>Huhu</soap:Body> , in diesem auch: <a:Body>Huhu</a:Body> , in diesem aber nicht: <soap:Body>Huhu</a:Body> .

Ich glaube aber mein Problem löst das nicht, oder? Siehe mein Anwendungsfall im letzen Post. Ich möchte ja einfach alles bis zum <*:Body> abschneiden und in einem String speichern.
Deine Lösung prüft nun, ob die XML syntaktisch korrekt ist ?

 

[Ebenius]

Deine Lösung prüft nun, ob die XML syntaktisch korrekt ist ?

Sie setzt das in gewissem Maße voraus. Aber sie matched auf alles zwischen [c]<soap:Body>[/c] und [c]</soap:Body>[/c]...

Probier's doch einfach aus:

import java.util.regex.Matcher;
import java.util.regex.Pattern;

/** RegEx test */
public class RegExpTest {

  /** @param args ignored */
  public static void main(String[] args) {
    final String request =
          "<soap:Envelope "
                + "xmlns:soap='http://www.w3.org/2003/05/soap-envelope'>"
                + "<soap:Body><abc_zustand>blabla</soap:Body>"
                + "</soap:Envelope>";
    final String exp = "(?<=<(\\w{1,255}):Body>).*?(?=</\\1:Body>)";
    final Pattern patt = Pattern.compile(exp, Pattern.DOTALL);
    final Matcher matcher = patt.matcher(request);
    if (matcher.find()) {
      System.out.println(matcher.group());
    }
  }
}

Ausgabe:

<abc_zustand>blabla

BTW: Bitte im Forum für Java-Code [noparse]

[/noparse] Tags benutzen, nicht [noparse][code][/noparse]

Ebenius

 

[megachucky]

Ausgabe:
Code:

<abc_zustand>blabla

Hab es ausprobiert Leider löst es aber meine Fragestellung nicht, denn ich benötige wie oben (evtl. etwas unverständlich) geschrieben:

<soap:Envelope xmlns:soap='http://www.w3.org/2003/05/soap-envelope'><soap:Body>

Also das vor dem eigentlichen Inhalt. Dies schneide ich dann ab und speichere es (gleiches nachher natürlich noch für das "danach". Und den Rest, also den Inhalt

<abc_zustand>blabla

gebe ich dann zur Verarbeitung weiter.


Matchen möchte ich daher:

.*<.*:Body>

, nur dies funktioniert eben leider nicht wie gewünscht(vermutlich, da eben auch

*</soap:Body>

dafür passt. Auch das ?, um nur ein Ergebnis zu erhalten, hilft mir leider nicht.





Beim "danach", also

</.*:Body>.*

funktioniert es hingegen.

BTW: Bitte im Forum für Java-Code

 Tags benutzen, nicht [/QUOTE]

Ups, sorry. Werde ich in Zukunft machen...

 

[karlheinz]

Also suchst du in etwa sowas?

	    final String request =
	          "<soap:Envelope "
	                + "xmlns:soap='http://www.w3.org/2003/05/soap-envelope'>"
	                + "<soap:Body><abc_zustand>blabla</soap:Body>"
	                + "</soap:Envelope>";
	    final String exp =  "^(.*?<(\\w{1,255}):Body>).*(</\\2:Body>.*)$";
	    final Pattern patt = Pattern.compile(exp, Pattern.DOTALL);
	    final Matcher matcher = patt.matcher(request);
	    if (matcher.find()) {
	      System.out.println(matcher.group(1)); //Anfang
	      System.out.println(matcher.group(3)); //Ende
	    }

Ausgabe:

<soap:Envelope xmlns:soap='http://www.w3.org/2003/05/soap-envelope'><soap:Body>
</soap:Body></soap:Envelope>

 

[megachucky]

Genau. Super, vielen Dank euch beiden für eure Hilfe und Erklärungen...