regex xml paragraphes dupliqués

Bonjour,
j'ai des fichiers xml qui ont été "dupliqué" c'est à dire que pour un fichier:

Code:

---

1 2 3 4

<a> <b/> <c/> </a>

---

j'ai désormais

Code:

---

1 2 3 4 5 6 7 8

<a> <b/> <c/> </a> <a> <b/> <c/> </a>

---

Je voudrais donc une regex qui permettrai de ne garder qu'une seule occurrence de la partie dupliquée.
j'ai tenté ça, mais en vain:

Code:

---

s/(<a>.*?<\/a>)\\n<a>.*?<\/a>/$1/

---

Ton xml semble mal formé.

Je doute que tu puisses utiliser des expressions régulières en mode multiligne sur un cas qui peut manifestement devenir très complexe (sauf si l'erreur à corriger est très spécifique).

Je pense que tu vas probablement devoir utiliser un vrai parseur de XML.

le cas est justement très spécifique, je ne veux garder qu'un seul élément <a> lorsqu'il y en a deux.

N'y aurait-il pas quelque chose d'incompatible entre ces deux phrases :

Citation:

---

Envoyé par Lolo78

Ton xml semble mal formé.

---

Citation:

---

Envoyé par Lolo78

Je pense que tu vas probablement devoir utiliser un vrai parseur de XML.

---

Pour l'expression régulière, essaye ceci :

s/(<a>.*?<\/a>)[\s\n]*\1/$1/

Citation:

---

Envoyé par Philou67430

N'y aurait-il pas quelque chose d'incompatible entre ces deux phrases :

---

Si, bien sûr, mais je voulais surtout dire que l'exemple n'était pas vraiment convaincant et que, d'un autre côté, pour traiter ce genre de problème, un vrai parser paraissait nécessaire. Mais s'il s'agit de corriger juste une erreur d'un type très spécifique (duplication d'un type d'enregistrement), alors pas vraiment besoin d'un parser.

En fait, je me pose vraiment la question : quel comportement adopte un parser face à un code mal-formé ? Est-il possible de faire certains traitements malgré tout, et dans quelle limite ?