Regexp для выдергивания XML из текста кода.

[iNils]

Нужен паттерн который выдергивает xml из кода.
Например такой:

типа AS3 код 
<?xml version="1.0"?>
<docs>
	<!--
		asdf
		<docs a='5'/>
		<docs a='5'></docs>
		<![CDATA[Matches any word character (alphanumeric & underscore).<br/><br/><b>Note:</b><br/>
	-->
	<category name="character classes">
		<item 
		pattern=".">Matches any character, except for line breaks if dotall is false.</item>
		<item pattern="\w"><![CDATA[Matches (alphanumeric & underscore).<br/><br/><b>Note:</b><br/>The actionscript implementation of word characters is very p characters.]]></item>
		<item pattern="\W"
		>Matches any character that is not a word character (alphanumeric & underscore).</item>
	</category>
	<category name="character sets">
		<item pattern="[ABC]"><![CDATA[Match in the set.<br/><br/><b>Example:</b><br/>Matches defense or defence<br/>defen[cs]e]]></item>
		<item pattern="[^ABC]">Match any single character that is not in the set.</item>
	</category>
</docs>
типа AS3 код

Не сталкивались с готовыми решениями?

[BlooDHounD]

так тут же только XML, или я чего-то не понимаю? где код-то

[iNils]

Код может быть любой и сверху и снизу. Важно, что был выделился весь xml из примера.

[BlooDHounD]

ну тут, как бы, для одного языка это совсем не тривиальная задача, а на неизвестный язык и того сложнее. по сути тебе надо взять флэшовый синтаксический парсер написанный на джаве ( http://opensource.adobe.com/svn/open...er/Parser.java ). там ~8K строк, из него там пятая часть это как раз анализ XML в коде основная проблема это понять, что начался XML. а это определяется контекстом. в общем это так же трудно как и определять регэкспы в коде, в силу того, что токены "/" и "<" могут означать много чего, и без контекста этого не понять.

p.s.: можно ещё поискать где-нить.

[iNils]

Код - AS3. Парсер, это парсер. А я хотел именно регэкспом выделить весь xml в коде.

Добавлено через 4 минуты
Я вчера руку набивал. Написал такое чудо

((<\?xml(.|\r)*?\?>(.|\r)*?)?(<([_$A-Za-z])(.|\r)*?>(.|\r)*?</(\6)>|<([_$A-Za-z])(.|\r)*?/>))

Но проблемы на <![CDATA[]]>, особенно на тегах внутри.

[BlooDHounD]

. - включает в себя \r

[iNils]

Только когда включен dotall. А с ним становится на много сложнее.

[BlooDHounD]

я написал такой

/(<\?xml\s.*?\?>)?(<([_$\w]+)\s?.*?(\/>|>.*?<\/\3>))/i

почему-то он захватил больше твоего, хоть он и короче. на перле по идеи можно было бы написать так:

/(<\?xml\s.*?\?>)?(<([_$\w]+)\s?.*?(\/>|>(?R)?<\/\3>))/i

то есть включить рекурсию. тут проблема в том, что либо надо исключить повторные тэги, либо рекурсивно обработать. но во флэше рекурсий кажется нету.

[iNils]

Он скушает

<456 a='5'/>

а этого не хотелось бы, хотя мы же не на валидность проверяем.

[BlooDHounD]

блин. тупо сказать так: [a-z][_$\w]*