如何在 XSD 架构中正确转义正则表达式模式？

Question

我需要满足仅接受 MM/DD/YYYY 形式的值的要求。

根据我读到的内容：https://www.w3.org/TR/xmlschema11-2/#nt-dateRep 使用

<xs:simpleType name="DATE">
        <xs:restriction base="xs:date"/>
    </xs:simpleType>

不会工作，因为它的正则表达式显然不支持这种格式。

我找到并调整了这个格式：

^(?:(?:(?:0?[13578]|1[02])(\/)31)\1|(?:(?:0?[1,3-9]|1[0-2])(\/)(?:29|30)\2))(?:(?:1[6-9]|[2-9]\d)?\d{2})$|^(?:0?2(\/)29\3(?:(?:(?:1[6-9]|[2-9]\d)?(?:0[48]|[2468][048]|[13579][26])|(?:(?:16|[2468][048]|[3579][26])00))))$|^(?:(?:0?[1-9])|(?:1[0-2]))(\/)(?:0?[1-9]|1\d|2[0-8])\4(?:(?:1[6-9]|[2-9]\d)?\d{2})$

此表格：

\^\(\?:\(\?:\(\?:0\?\[13578\]\|1\[02\]\)\(\\/\)31\)\1\|\(\?:\(\?:0\?\[1,3-9\]\|1\[0-2\]\)\(\\/\)\(\?:29\|30\)\2\)\)\(\?:\(\?:1\[6-9\]\|\[2-9\]\d\)\?\d{2}\)$\|\^\(\?:0\?2\(\\/\)29\3\(\?:\(\?:\(\?:1\[6-9\]\|\[2-9\]\d\)\?\(\?:0\[48\]\|\[2468\]\[048\]\|\[13579\]\[26\]\)\|\(\?:\(\?:16\|\[2468\]\[048\]\|\[3579\]\[26\]\)00\)\)\)\)$\|\^\(\?:\(\?:0\?\[1-9\]\)\|\(\?:1\[0-2\]\)\)\(\\/\)\(\?:0\?\[1-9\]\|1\d\|2\[0-8\]\)\4\(\?:\(\?:1\[6-9\]\|\[2-9\]\d\)\?\d{2}\)$

现在我不再在 XML 编辑器中遇到无效的转义错误（使用 XML Spy），但我得到了这个：

invalid-escape: The given character escape is not recognized.

我已经根据这里的XML模式规范完成了转义： https://www.w3.org/TR/xmlschema-2/#regexs F.1.1 节有一个转义表。

任何人都可以帮忙解决这个问题吗？

谢谢！

Answer 1

如果您检查 XSD 正则表达式语法 resources，您会注意到不支持 非捕获组 (

(?:...)

)，也不支持 反向引用（

\n

之类要引用的实体）到使用捕获组捕获的文本，

(...)

）。

由于唯一的分隔符是

/

，因此您可以完全摆脱反向引用。

使用

((((0?[13578]|1[02])/31)/|((0?[13-9]|1[0-2])/(29|30)/))((1[6-9]|[2-9]\d)?\d{2}‌​)|(0?2/29/(((1[6-9]|[2-9]\d)?(0[48]|[2468][048]|[13579][26])|((16|[2468][048]|[35‌​79][26])00))))|(0?[1-9]|1[0-2])/(0?[1-9]|1\d|2[0-8])/(1[6-9]|[2-9]\d)?\d{2})

参见 这个正则表达式演示

请注意，根据。到正则表达式.info：

特别值得注意的是完全没有锚点，例如脱字符号和美元、单词边界和环视。 XML 模式始终隐式锚定整个正则表达式。正则表达式必须匹配整个元素，该元素才被视为有效。

因此，您不应在 XSD 正则表达式中使用

^

（字符串开头）和

$

（字符串结尾）。

/

符号在正则表达式风格中被转义，它是正则表达式分隔符，而在XSD正则表达式中，没有正则表达式分隔符（因为唯一的操作是匹配，并且没有修饰符：XML模式）不提供指定匹配模式的方法）。因此，不要在 XSD 正则表达式

中转义 

/。

在线测试仪测试注意

如果您在 regex101.com 或类似站点进行测试，请注意，在大多数情况下，如果选择

/

作为正则表达式分隔符，则需要对其进行转义。完成测试后，您可以在

\

之前安全地删除

/

。

Answer 2

好的，所以你从这里开始（我将插入换行符以提高可读性）：

    ^(?:(?:(?:0?[13578]|1[02])(\/)31)\1|(?:(?:0?[1,3-9]|1[0-2])(\/)
(?:29|30)\2))(?:(?:1[6-9]|[2-9]\d)?\d{2})$
|^(?:0?2(\/)29\3(?:(?:(?:1[6-9]|[2-9]\d)?(?:0[48]|[2468][048]|[13579][26])|(?:(?:16|[2468][048]|[3579][26])00))))$|
^(?:(?:0?[1-9])|(?:1[0-2]))(\/)(?:0?[1-9]|1\d|2[0-8])\4(?:(?:1[6-9]|[2-9]\d)?\d{2})$

可怕的东西。现在，在 XSD 中：

(a) 没有

^

和

$

锚点，不需要它们（该模式是隐式锚定的）。所以把他们拿出来。您已通过将它们转义为

\^

和

\$

来回应，但这没有意义：您实际上并不希望在输入中使用扬抑符和美元符号。

(b) XSD 无法识别非捕获组

(?:xxxx)

。只需将它们替换为捕获组 - 也就是说，删除

?:

再次，您已经逃脱了问号，这根本没有任何意义。

(c)

\d

可能应该是

[0-9]

，除非您确实想要匹配非 ASCII 数字（例如泰语或东阿拉伯数字）

(d) 斜杠 (

/

) 不需要转义，也确实无法转义。因此，请将

\/

替换为

/

。

(e) 我看到一些反向引用，

\1

、

\2

、

\4

。 XSD 正则表达式不允许反向引用。但据我所知，这个正则表达式中的反向引用没有任何用处。它们中的大多数似乎都是对一组

(\/)

形式的反向引用，它只能匹配单个斜杠，因此反向引用

\1

可以简单地替换为

/

。也许它们是对某些早期形式的正则表达式的回归，允许替代分隔符但要求它们保持一致。

从您尝试解决这里的问题来看，在我看来您对正则表达式没有非常透彻的理解。我担心要让它发挥作用，你必须硬着头皮学习它是如何运作的；调试复杂的正则表达式很困难，并且您无法通过反复试验来获得正确的结果。