XML注释正则匹配不能用^<!--.*?-->$，因注释可跨行且可能出现在标签内或属性中；应使用<!--[\s\S]*?-->并避免DOTALL以提升兼容性。
XML注释的正则匹配为什么不能用 ^<!--.*?-->$？
因为 XML 注释可以跨行，且可能嵌套在标签内部、属性值里（虽然规范不允许，但现实文件常有），^<!--.*?-->$ 会漏掉换行、匹配失败，甚至误删内容。PCRE 的单行模式（s flag）能解决跨行问题，但更关键的是：注释边界必须严格锚定在非标签上下文里，否则可能把 <!-- 当成注释开头，却把后面真实的 --> 当成另一个注释结尾——中间夹着真实 XML 内容就全毁了。
- 真实 XML 注释格式是
<!-- content -->，两端空格可选，content 中不能出现-- - 最安全的正则模式是：
<!--[\s\S]*?-->（支持跨行）或<!--(?!-)[\s\S]*?-->（排除<!---这种非法开头） - 别用
.配DOTALL：某些工具（如 sed、旧版 Notepad++）不支持；[\s\S]兼容性更好
Python 用 re.sub() 批量清理 XML 注释要避开哪些坑？
直接 re.sub(r'<!--.*?-->', '', xml_str, flags=re.DOTALL) 看似简单，但容易在 CDATA 段、属性值含 <!-- 字符串、或注释嵌套（虽非法但存在）时出错。更重要的是：XML 解析器（如 xml.etree.ElementTree）根本不保留注释——所以如果目标是“生成干净 XML”，优先走解析-重建路线；只有当必须保留原始格式（缩进、空行、命名空间声明顺序）时，才用正则。
- 用
re.sub(r'<!--[\s\S]*?-->', '', xml_str)即可，不用re.DOTALL，[\s\S]更稳 - 加
count=0参数确保全部替换，避免只清第一个 - 如果 XML 含编码声明（如
<?xml version="1.0" encoding="UTF-8"?>），正则不会动它，放心 - 注意：Windows 换行符
\r\n会被[\s\S]正确覆盖，无需额外处理
Linux 命令行批量处理多个 XML 文件，sed 能不能用？
不能直接用标准 sed —— 它不支持跨行匹配，而 XML 注释几乎必然跨行。GNU sed -z（按 null 分隔）可绕过，但更可靠的是用 perl 或 awk。Mac 用户尤其注意：sed -i '' 语法和 Linux 不同，且仍不支持跨行。
- 推荐命令：
perl -0777 -i -pe 's/<!--[\s\S]*?-->//g' *.xml -
-0777让 perl 把整个文件当一个字符串读，完美支持跨行正则 -
-i原地修改，加后缀如-i.bak可备份 - 避免用
find ... -exec sed：每文件启动一次 sed，效率低且跨行失效
用 lxml 解析再序列化，注释真的就没了？
是的，但代价是 XML 结构被标准化：属性顺序重排、空白折叠、命名空间前缀可能变、CDATA 可能转义。如果你只要“逻辑等价”的 XML，这是最健壮的方式；如果文件用于下游系统（比如某嵌入式设备严格校验注释位置），那就不行。
- 代码极简：
from lxml import etree; root = etree.parse('a.xml').getroot(); print(etree.tostring(root, encoding='unicode', pretty_print=True)) - 注释、处理指令、DTD 声明默认都不进
etree树，所以输出天然无注释 - 若需保留 DTD 或处理指令，得显式传参：
parser = etree.XMLParser(remove_comments=False)，但那就又得手动删了 - 性能上，小文件无所谓；大文件（>50MB）正则更快，
lxml内存占用高
正则能快、能糙、能应付大多数场景，但 XML 注释藏在 CDATA 里或紧跟在标签后（如 <tag><!--x-->text</tag>）时，边界判断稍有偏差就会切掉真实内容——这时候没有银弹，得看你的 XML 到底有多“脏”。
