使用XSLT 1.0将XHTML转换为结构化XML [英] XHTML to Structured XML with XSLT 1.0
本文介绍了使用XSLT 1.0将XHTML转换为结构化XML的处理方法,对大家解决问题具有一定的参考价值,需要的朋友们下面随着小编来一起学习吧!
问题描述
我有一个来自基本ePub输出的XHTML文档,我正试图将其转换为结构化XML文档。格式一般不能太疯狂,如下所示:
<?xml version="1.0" encoding="utf-8"?>
<html>
<body>
<h1>Topic 1</h1>
<p>1.0.1</p>
<p>1.0.2</p>
<h2>Subtopic 1.1</h2>
<p>1.1.1</p>
<p>1.1.2</p>
<h2>Subtopic 1.2</h2>
<p>1.2.1</p>
<p>1.2.2</p>
<h1>Topic 2</h1>
<p>2.0.1</p>
<p>2.0.2</p>
<h2>Subtopic 2.1</h2>
<p>2.1.1</p>
<p>2.1.2</p>
<h2>Subtopic 2.2</h2>
<p>2.2.1</p>
<p>2.2.2</p>
</body>
</html>
理想情况下,我希望将其转换为一些结构化代码,基于h1、h2、.标签。第一个h1之后、第二个h1之前的内容应该包含在它自己的容器中,而第二个h1中到文档末尾的内容应该包含在它自己的容器中。同样,H2之间的东西也应该放入一个容器中,从而将其嵌套。输出应如下所示:
<Root>
<Topic>
<Title>Topic 1</Title>
<Paragraph>1.0.1</Paragraph>
<Paragraph>1.0.2</Paragraph>
<Topic>
<Title>Subtopic 1.1</Title>
<Paragraph>1.1.1</Paragraph>
<Paragraph>1.1.2</Paragraph>
</Topic>
<Topic>
<Title>Subtopic 1.2</Title>
<Paragraph>1.2.1</Paragraph>
<Paragraph>1.2.2</Paragraph>
</Topic>
</Topic>
<Topic>
<Title>Topic 2</Title>
<Paragraph>2.0.1</Paragraph>
<Paragraph>2.0.2</Paragraph>
<Topic>
<Title>Subtopic 2.1</Title>
<Paragraph>2.1.1</Paragraph>
<Paragraph>2.1.2</Paragraph>
</Topic>
<Topic>
<Title>Subtopic 2.2</Title>
<Paragraph>2.2.1</Paragraph>
<Paragraph>2.2.2</Paragraph>
</Topic>
</Topic>
</Root>
尽管该示例只包含p标记,但它也可能包含div和其他元素,所以不要指望它只是一个节点。它需要足够通用,以便不关心头标记之间的内容。
我熟悉慕尼黑分组,但这对我来说有点复杂。我尝试过这样使用密钥:
<xsl:key name="kHeaders1" match="*[not(self::h1)]" use="generate-id(preceding-sibling::h1[1])"/>
<xsl:template match="h1">
<Topic>
<Title><xsl:apply-templates /></Title>
<xsl:apply-templates select="key('kHeaders1', generate-id())" />
</Topic>
</xsl:template>
<xsl:template match="html">
<Root>
<xsl:apply-templates select="body/h1" />
</Root>
</xsl:template>
<xsl:template match="p">
<Paragraph><xsl:apply-templates /></Paragraph>
</xsl:template>
这对于第一级来说已经足够好了,但是随后尝试重复这个过程,但是使用H2似乎会让我崩溃。因为在h2级别,任何节点的关键字都应该是第一个h1或h2同级节点。它看起来几乎可以组合成一组键,其中id是它之前的最后一个h*是什么,h*元素没有在分组中列出(这样它们就不会递归)。我会想象这样的情况:
<xsl:key name="kHeaders" match="*[not(self::h1 or self::h2)]" use="generate-id(preceding-sibling::*[self::h1 or self::h2][1])"/>
但是,这会从列表中省略h2元素,它们需要出现在前一个h1的分组中。如果我放松对匹配的限制以包括h1/h2元素(并使h1模板也与h2匹配),那么我会得到h2的重新列出h1元素,依此类推(有些出乎意料)。
理想的解决方案是可以轻松扩展到适用于h3、h4等的解决方案。但是,它不需要包括用于处理通用h*元素的脚本元素。有关如何添加附加层的简单说明就足够了。
这里有人有什么建议吗?
推荐答案
下面的样式表(从this answer复制的大多数重要代码)在涉及更多标题时可以正常工作:
<xsl:stylesheet version="1.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform">
<xsl:output method="xml" indent="yes"/>
<xsl:strip-space elements="*"/>
<xsl:key name="next-headings" match="h6"
use="generate-id(preceding-sibling::*[self::h1 or self::h2 or
self::h3 or self::h4 or
self::h5][1])" />
<xsl:key name="next-headings" match="h5"
use="generate-id(preceding-sibling::*[self::h1 or self::h2 or
self::h3 or self::h4][1])" />
<xsl:key name="next-headings" match="h4"
use="generate-id(preceding-sibling::*[self::h1 or self::h2 or
self::h3][1])" />
<xsl:key name="next-headings" match="h3"
use="generate-id(preceding-sibling::*[self::h1 or self::h2][1])" />
<xsl:key name="next-headings" match="h2"
use="generate-id(preceding-sibling::h1[1])" />
<xsl:key name="immediate-nodes"
match="node()[not(self::h1 | self::h2 | self::h3 | self::h4 |
self::h5 | self::h6)]"
use="generate-id(preceding-sibling::*[self::h1 or self::h2 or
self::h3 or self::h4 or
self::h5 or self::h6][1])" />
<xsl:template match="/">
<Root>
<xsl:apply-templates select="html/body/h1"/>
</Root>
</xsl:template>
<xsl:template match="p">
<Paragraph>
<xsl:value-of select="."/>
</Paragraph>
</xsl:template>
<xsl:template match="h1 | h2 | h3 | h4 | h5 | h6">
<Topic>
<Title>
<xsl:value-of select="."/>
</Title>
<xsl:apply-templates select="key('immediate-nodes', generate-id())"/>
<xsl:apply-templates select="key('next-headings', generate-id())"/>
</Topic>
</xsl:template>
</xsl:stylesheet>
这篇关于使用XSLT 1.0将XHTML转换为结构化XML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!
查看全文