不推荐用正则表达式解析自定义标签语言，因其无法处理嵌套结构、转义字符、引号属性等复杂情况，易导致匹配错误或回溯爆炸；应优先选用xml解析器等专用工具。
不推荐用正则表达式解析自定义标签语言，尤其当结构可能嵌套、含转义字符（如 &）、属性值带引号或存在空格/换行时。正则本质是线性模式匹配，无法建模树状结构，容易漏匹配、错分割、甚至因回溯爆炸导致卡死。
为什么正则难以可靠处理自定义标签
自定义标签（如 <sym>nu</sym>Hello<sps>6&</sps>）看似简单，但实际包含多个挑战：
- 标签与纯文本交错出现，需同时识别“标签块”和“非标签文本”，而正则没有原生节点概念
- 属性值可能含双引号、单引号或无引号，且引号内可嵌套特殊符号（如
href="a&b"），正则很难安全提取 - 未闭合标签、自闭合写法（
<sbs></sbs>）、大小写混用、注释或 CDATA 段都会让正则规则迅速失效 - 一旦出现嵌套（如
<sym><sps>x</sps>y</sym>），标准正则根本无法正确配对起止标签
如果必须用正则，仅限简单、受控场景
仅在满足全部以下条件时，才可谨慎尝试正则：
- 标签严格成对、无嵌套、无属性、无转义
- 输入格式完全可控（如自动生成的配置片段，非用户输入）
- 只需一次性提取内容，不要求容错或后续修改
例如，提取所有 <sym>...</sym> 内容，可用：<sym>(.*?)</sym>（Python 中加 re.DOTALL 支持跨行）
但需注意：若文本中出现 <sym>a</sym><sym>b</sym>，它会匹配整个 a<sym>b</sym> —— 因为默认贪婪，要改用惰性量词 .*?；即便如此，遇到 <sym><sps>xxx</sps></sym> 仍会失败。
真正健壮的替代方案：用 XML 解析器
把自定义标签当作轻量 XML 处理是最稳妥的做法。C# 可用 XElement.Parse("<root>" + input + "</root>") 包裹后解析；Python 推荐 xml.etree.ElementTree 或更宽容的 lxml；JavaScript 可用 DOMParser。
- 自动区分元素节点与文本节点，天然支持混合内容
- 正确处理实体（
&→&）、命名空间、空白折叠 - 可遍历、增删、序列化，逻辑清晰，后期维护成本低
小结：选工具要看目标而非表面相似度
标签语言是结构化数据，不是普通字符串。正则适合找“某类模式”，不适合建模“文档结构”。哪怕只多一层嵌套或一个 &，就该果断放弃正则，转向专用解析器。这不是过度设计，而是避免未来几小时调试一个永远修不好的正则表达式。
