使用 XSLT 标记文本匹配正则表达式? [英] Use XSLT to mark up text matching regex?
问题描述
我正在尝试在 HTML 文档上使用 XSLT 2.0 (Saxon-PE 9.6) 来创建标记，这些标记将来自指定的非拉丁 Unicode 块(允许空格)中的所有连续字符包围起来.我需要将此过程应用于文档中的每个 text() 节点.我已经通过使用 <xsl:analyze-string> 和使用 fn:replace() 的两种方法取得了一些进展，但我还没有达到令人满意和完整的解决方案.
I am trying to use XSLT 2.0 (Saxon-PE 9.6) on an HTML document to create tags that surround all contiguous runs of characters from a specified non-Latin Unicode block (spaces allowed). I need to apply this process to every text() node in the document. I have made some progress with two approaches that use <xsl:analyze-string> and using fn:replace() but I've not been able to arrive at a satisfactory and complete solution.
例如，这里有一些包含印地语的文本:
For example, here is some text containing Hindi:
输入:<p>चायकाकप在हिन्दि中的意思是一杯茶".</p>
期望输出: चाय का कप在 <span xml:lang="hi-Deva">हिन्दि</span>.</p>
Desired Output: <p><span xml:lang="hi-Deva">चाय का कप</span> means ‘cup of tea’ in <span xml:lang="hi-Deva">हिन्दि</span>.</p>
如何在 XSLT 2.0 中实现这个过程?
How can this process be implemented in XSLT 2.0?
这是我对
(注意:印地语使用梵文代码块 U+0900 到 U+097F.)
(Note: the Hindi language uses the Devanagari code block U+0900 to U+097F.)
<xsl:template match="text()">
<xsl:variable name="textValue" select="."/>
<xsl:analyze-string select="$textValue" regex="(\s*.*?)([ऀ-ॿ]+)((\s+[ऀ-ॿ]+)*)(\s*.*)">
<xsl:matching-substring>
<xsl:value-of select="regex-group(1)"/>
<span xml:lang="hi-Deva"><xsl:value-of select="regex-group(2)"/><xsl:value-of select="regex-group(3)"/></span>
<xsl:value-of select="regex-group(5)"/>
</xsl:matching-substring>
<xsl:non-matching-substring>
<xsl:value-of select="$textValue"/>
</xsl:non-matching-substring>
</xsl:analyze-string>
</xsl:template>
在测试输入上，这会产生:<p><span xml:lang="hi-Deva">चायकाकप</span>在हिन्दि中表示一杯茶".</p> 这种方法忽略了印地语文本的第二个区域 (हिन्दि).我需要一种方法来查找和标记与正则表达式匹配的所有事件.
On the test input, this produces:
<p><span xml:lang="hi-Deva">चाय का कप</span> means ‘cup of tea’ in हिन्दि.</p> This approach misses the second region of Hindi text (हिन्दि). I need an approach that will find and tag all occurrences matched by the regex.
我的第二种方法使用了 fn:replace():
My second approach used fn:replace():
<xsl:template match="text()">
<xsl:value-of select='fn:replace(., "[ऀ-ॿ]+(\s+[ऀ-ॿ]+)*", "xxx$0xxx")'/>
</xsl:template>
在测试输入中产生:<p>xxxचाय का कपxxx 在 xxxहिन्दिxxx 中的意思是一杯茶".</p> 这显然不正确，因为在印地语中被包裹，不是跨度标签，但从积极的方面来说，印地语的每个区域实际上都被发现和处理.我不能用 span 标签替换 xxx 代码，因为那是无效的 XSLT.
On the test input this produces: <p>xxxचाय का कपxxx means ‘cup of tea’ in xxxहिन्दिxxx.</p> This is clearly incorrect, since the Hindi is wrapped in xxx’s, not span tags, but on the positive side, each region of Hindi is in fact discovered and processed. I cannot replace the xxx code with span tags because that is invalid XSLT.
推荐答案
我想出了 http://xsltransform.net/jyH9rMo 就是这样
I came up with http://xsltransform.net/jyH9rMo which just does
<?xml version="1.0" encoding="UTF-8" ?>
<xsl:transform xmlns:xsl="http://www.w3.org/1999/XSL/Transform" version="2.0">
<xsl:output method="html" doctype-public="XSLT-compat" omit-xml-declaration="yes" encoding="UTF-8" indent="yes" />
<xsl:template match="/">
<hmtl>
<head>
<title>New Version!</title>
</head>
<xsl:apply-templates/>
</hmtl>
</xsl:template>
<xsl:template match="@*|node()">
<xsl:copy>
<xsl:apply-templates select="@*|node()"/>
</xsl:copy>
</xsl:template>
<xsl:template match="text()">
<xsl:analyze-string select="." regex="([ऀ-ॿ]+)((\s+[ऀ-ॿ]+)*)">
<xsl:matching-substring>
<span xml:lang="hi-Deva"><xsl:value-of select="."/></span>
</xsl:matching-substring>
<xsl:non-matching-substring>
<xsl:value-of select="."/>
</xsl:non-matching-substring>
</xsl:analyze-string>
</xsl:template>
</xsl:transform>
这篇关于使用 XSLT 标记文本匹配正则表达式?的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！
