Cerrando las etiquetas XML abiertas con regex

Básicamente quiero hacer lo mismo que here que se hace en Python. Me gustaría reemplazar todos los elementos autobloqueados a la sintaxis larga.Cerrando las etiquetas XML abiertas con regex

Ejemplo

<iframe src="http://example.com/thing"/>

convierte

<iframe src="http://example.com/thing"></iframe>

ejemplo completo:

<html> 
<head> 
    <meta http-equiv="Content-Type" content="text/html; charset=UTF-8"> 
    <link rel="stylesheet" type="text/css" href="/sample.css"> 
    <title></title> 
    <script type="text/javascript" src="/swfobject.js"> 
       //void 
      </script> 
    <script type="text/javascript" language="JavaScript" src="/generate.js"> 
//void 
    </script> 
    <script type="text/javascript" language="JavaScript" src="/prototype.js"> 
//void 
    </script> 
</head> 
<body id="mediaPlayer" style="margin:0;padding:0;"> 
<script type="text/javascript"> 
           swfobject.registerObject('id_G12564763');  


       function getFlashObject() { 
         var object; 
         if (navigator.appName == 'Microsoft Internet Explorer' || navigator.userAgent.indexOf("Chrome")!=-1) 
         { 
           object = document.getElementById('id_G12564763'); 
         } 
         else 
         { 
           object = document['flash_id_G12564763']; 
         } 
         return object; 
       } 

     </script> 
</body> 
</html>

Fuente

2010-08-12 user3111525

Tenga en cuenta que http://stackoverflow.com/questions/1732348/regex-match-open-tags-except-xhtml-self-contained-tags/1732454#1732454 describe el inverso de esta operación. – Borealid

Borealid, soy consciente de eso. ¿Sabes cómo solucionar esto con un analizador? Por lo que recuerdo, el XML debe estar bien formado antes de analizarlo con un analizador. Eso es exactamente lo que necesito hacer. He intentado con Tidy, pero eso no funcionó y el proyecto ya no se mantiene. Esta es una pequeña salida html que simplemente tendrá una serie de javascript includes y la etiqueta de inserción de objetos (flash). – user3111525

Ok chicos. Encontré una solución. Enganché el método de salida a xml de donde proviene este html y el motor XSLT se encarga de cerrar esas etiquetas abiertas para mí. Gracias por las respuestas, pero si tiene una solución para el problema, deje su respuesta y la marcaré como respuesta. Esto podría ser útil para otros.

Fuente

2010-08-13 12:44:08 user3111525

Esto puede ser usado para reemplazar una etiqueta (código en javascript).

var becomes = "<iframe src='http://example.com/thing'/>".replace(/<(\w*) (.*)\//,'<$1 $2></$1')

El mismo, en Java.

String becomes = "<iframe src=\"http://example.com/thing\"/>".replaceFirst("<(\\w*) (.*)\\/", "<$1 $2></$1");

Fuente

2010-08-12 15:22:51 Topera

Topera, necesito esto en Java. – user3111525

String resultHtml = inputHtml.replaceAll("(?six)<(\\w+)([^<]*?)/>", "<$1$2></$1>");

y esto va a manejar adecuadamente las etiquetas que no están terminados como <hr> y <img>

Fuente

2010-08-13 04:59:01

No funcionó Scott. Edité la pregunta con una muestra. – user3111525

Hmm .. parece funcionar para mí aunque su ejemplo no tiene nada que coincida con la expresión regular que proporcioné (es decir, no tiene elementos autobloqueables). Ajusté el modificador para que funcione más correctamente con la entrada de varias líneas, eso podría ayudar ... –

Cerrando las etiquetas XML abiertas con regex

Respuesta

Cuestiones relacionadas