[inne]Wyrażenia regularne, xml

Witam,
Próbuje sformułować wyrażenie od wyciagniecia odpowiednich rzeczy z zml a mianowicie zawartości.
lecz nawet najprostsze wyrażenie mi nie działa.
<(.)>(.)<.\1>

chodzi mi o to bym dostał:
<breakfast_menu>...</breakfast_menu>
Prosze o pomoc

testuje na danych :

<breakfast_menu>
<food>
<name>
Belgian Waffles
</name>
<price>
$5.95
</price>
<description>
two of our famous Belgian Waffles with plenty of real maple syrup
</description>
<calories>
650
</calories>
</food>
<food>
<name>
Strawberry Belgian Waffles
</name>
<price>
$7.95
</price>
<description>
light Belgian waffles covered with strawberries and whipped cream
</description>
<calories>
900
</calories>
</food>
<food>
<name>
Berry-Berry Belgian Waffles
</name>
<price>
$8.95
</price>
<description>
light Belgian waffles covered with an assortment of fresh berries and whipped cream
</description>
<calories>
900
</calories>
</food>
<food>
<name>
French Toast
</name>
<price>
$4.50
</price>
<description>
thick slices made from our homemade sourdough bread
</description>
<calories>
600
</calories>
</food>
<food>
<name>
Homestyle Breakfast
</name>
<price>
$6.95
</price>
<description>
two eggs, bacon or sausage, toast, and our ever-popular hash browns
</description>
<calories>
950
</calories>
</food>
</breakfast_menu>

Nie przetwarzaj XML za pomocą wyrażeń regularnych. Użyj pełnego parsera XML.

Potrzebuje tego dość szybko i sadze ze jedno wyrażenie uratowało by mnie. Za to nauka obsługi parsera zajeła by mi z 2 dni bo nie widze tutorialu po polsku

Za to nauka wyrazen regularnych na tyle, zeby dalo sie wyciagac wartosci zagniezdzone zajmie Ci tydzien albo dwa. Wez jezyk, gdzie sa dostepne na tacy klasy do parsowania (np. c#) i bedzie naprawde szybciej.

muszę to napisać w C

To uzyj stosu i prostego przechodzenia/przeszukiwania po tekscie.

• zakladam, ze Twoj silnik regexp obsluguje ten backreference \1

oryginalne <(.)>(.)<.\1> jest prawie ok
powinienes byl uzyc klasy znakow wykluczajacej otwarcie taga/zamkniecie i/lub lapania niezachlannego

samo: <([^>]+)>([<]+)</\1>
absolutnie wystarczy do takiego xml'a, jezeli:

• Twoje tagi NIE POSIADAJA atrubutow
• zawartosc tekstowa nigdy nie jest pusta
• tagi sa 'ciasne' i nie maja bialych znakow w glupich miejscach
  No i oczywiscie, musisz startowac z recznie ustalanej pozycji w ciagu, gdyz tenże złapie tylko jeden tag, najblizszy. O orientowanie sie w ktorym miejscu drzewa jestes - tez musisz sam zadbac, gdyz regexpem takim jedynie odczytasz ze name=, albo price=

btw. a moze jakis xerces albo msxml?

Dzięki wielkie za odp.

Właściwie chodziło mi o wyłuskanie rekurencyjnie. Tzn wyciągnąć najpierw zawartość elementu root i później zagłębiać się.
Lecz niestety właśnie sobie uświadomiłem ze może mój silnik nie obsługiwać wstecznej referencji bo w programiku wyrażenie się nie sprawdza a na stronie działa.

Co do parserów xml z chęcią bym ów takiego użył ale mama trochę mało czasu a przebijanie się przez dokumentacje w j.angielskim trochę mi zajmie. Projekt jest pisany w C wiec próbowałem parsera napisanej w C: expat. Lecz jakos nie wychodziło mi to. Załączam fragment kodu.

	regex_t rx;
	char *pat = "<([^>]+)>([^<]+)<\/\1>";
	char *str2;
	regmatch_t match [255];
	int i;
	str2 = fileToString("simple.xml");
	//fromJason(str2, NULL);
	printf("%s", str2);

	regcomp (&rx, pat, 0);
	regexec (&rx, str2, 255, match, 0);

	for (i=0; i<1; ++i)
	{
		printf ("Wynik %i do %i: `%.*s'\n",
			match[i].rm_so, match[i].rm_eo,
			match[i].rm_eo-match[i].rm_so,
			&str2[match[i].rm_so]);
	}

char* fileToString(char fileName[]){
	char *returnString;
	long dlugosc;
	FILE *hFile;
	if((hFile = fopen(fileName, "r")) == NULL){
		perror("Błąd przy otwieraniu pliku\n");
		return 0;
	}
	fseek (hFile, 0, SEEK_END); /* ustawiamy wskaźnik na koniec pliku */
	dlugosc = ftell (hFile);
	fseek (hFile, 0, SEEK_SET);
	printf("dlugosc: %d", dlugosc);
	returnString = (char*) malloc(sizeof(char) * (++dlugosc));
	fread(returnString, 1, dlugosc, hFile);
	return returnString;
}

Pozdrawiam</cpp>

zakladam ze struktura pliku XML jest Ci znana, jest sztywna i ze zakladasz ze plik XML jest poprawny.

1. w plikach XML znaki < oraz > maja prawo wystepowac tylko i wylacznie jako ograniczniki tagaow, w wartosciach atrybutow oraz sekcjacj CDATA (porpawcie mnie jesli nie) musza zostac zamienione na encje < oraz >, odpowiednio. To znaczy, ze mozesz w bardzo prosty sposob wykrywac poczatki i konce tagow: po prostu sprawdzaj czy na danej pozycji jest <litera albo <\litera

2. maja prawo istniec tagi krotkie, nie zakanczane <\tag> -- sa to <tag />, trzeba to miec w pamieci i kazdy zauwazony nowy tag sprawdzac czy nie konczy sie on />

3. poprawnie skonstruowany XML ma zbalansowane tagi: kazdy tag otwarty ma zamkniecie, z uwaga na punkt 2. To znaczy, ze mozesz latwo orientowac sie co jest zawartoscia danego taga poprzez albo pracę stosową z pamietaniem gdzie-teraz-jestem, albo prace z look-ahead'em i zliczaniem wystapien samego siebie.

omawianie stosu sobie daruje, bo jest tego pelno. Natomiast, jesli Twoj XML jest prosty i nierozbudowany, mozesz sprobowac podgladactwa-w-przód. Majac XML:
...

.< - tu aktualnie 'jestes' z ogladaniem pliku
<BLAH>
<BUM>
<BLAH>
<BLAH />
</BLAH>
</BLAH>
...
mozesz w prosty sposob dowiedziec sie, gdzie Twoj obecnie widziany tag 'BLAH' sie konczy: przegladasz znaki w przod (lookahead) i obserwujesz czy pojawia sie takie (regexp..):
<BLAH
<BLAH[^/>]*/>
</BLAH\s+>
jezeli pojawi sie pierwszy, to znaczy ze w Twoim tagu jest inny taki. Zapamietaj ile bylo takich.
jezeli pojawi sie drugi -- olej. to jest krotki tag, on niczego nie wnosi do probelmu startu-konca
jezeli pojawi sie trzeci - o, cos zostalo zamkniete. albo Twoj tag, albo jeden z wewnetrznych. Jezeli liczba zamkniec = liczba widzianych wewnetrznych+1 ----- to znaczy, ze To Twoje zamkniecie, voil'a -- znalazlem koniec!

1. umiejac znalezc swoj poczatek i koniec swojego taga, mozesz teraz obejrzec jego wnetrze. Analogicznie, tylko z innym tagiem, nie BLAH tylko inny. Jak bedziesz mial kod ogladajacy w ten sposob wszystko, az do "dna" - to na dnie okaze sie ze bedziesz mial kod, ktory oglada wnetrza tekstowe -- wystarczy je skopiowac do swoich struktur w pamieci --- albo ktory oglada atrybuty tagow -- wystarczy je skopiowac..

natomiast, jezeli potrafisz poslugiwac sie stosem, zacznij od tego rekurencyjnie:
idz w przod, ogladaj znaki. <litera oznacza nowy tag, wez jego nazwe, jezeli ten tag nie konczy sie znakami /> to wrzuc nazwe na stos. <\litera oznacza zamkniecie taga, zdejmij tego taga ze stosu. jesli nazwa sie nie zgadza z nazwa na stosie - blad, plik lub Twoj kod jest walniety.
takie cos jest w stanie przejsc po calym XMLu trafiajac we wszystko lub przeskakujac text luzno latajacy. W taka ramowke wcisniesz sprawdzanie czy znaleziony tagname==BLAH albo czy "teraz leci luzny tekst" i na podstawie nazwy taga lezacej na czubku stosu, bedziesz wiedzial czy cos robic ze znaleziona zawartoscia, czy tez nic i leciec dalej

wzgledem bibliotek xerces, expat, czy msxml czy innych -- reczne podejscie ma ten minus, ze nie bedziesz mial walidacji xsd, obslugi namespacow, obslugi(....) - chyba ze sam napiszesz..