Question

我有一个像这样的XML信封/有效负载结构：

<RootEnvelopeTag>
    <EnvelopeTag />
    <EnvelopeTag />
    <EnvelopeTagContainingPayload>
        &lt;WantedPayloadTag&gt;Some text and nested tags.&lt;/WantedPayloadTag&gt;&lt;UnwantedPayloadTag&gt;Lots of text and nested tags.&lt;/UnwantedPayloadTag&gt;
    </EnvelopeTagContainingPayload>
</RootEnvelopeTag>

要通过删除所有信封元素来提取有效负载，我使用以下XSLT：

<xsl:transform version="2.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform" xmlns:xs="http://www.w3.org/2001/XMLSchema" exclude-result-prefixes="xs">
  <xsl:output method="text" encoding="utf-8"/>
  <xsl:template match="/">
    <xsl:apply-templates select="*/EnvelopeTagContainingPayload"/>
  </xsl:template>
  <xsl:template match="EnvelopeTagContainingPayload">
    <xsl:value-of select="."/>
  </xsl:template>
</xsl:transform>

结果是一个新的文本文件，一旦解析为XML，就允许我只使用有效负载XML。

这在Saxon HE 9.5和AltovaXML 2013中均可正常工作。但是，我现在还需要删除部分有效负载，特别是一个元素，包括标签及其所有内容（＆lt; UnwantedPayloadTag＆gt; ; ALLWXT IN BETWEEN＆lt; / UnwantedPayloadTag＆gt;）。

因为在原始XML文件中，有效负载只是一个字符串，所以我使用带有与不需要的元素匹配的正则表达式的replace（）和作为替换字符串的空字符串。我包括＆＃34; s＆＃34;旗帜，以获得＆＃34;。＆＃34;在正则表达式中匹配不需要的元素中存在的换行符。因此，容器包络元素的模板更改为：

  <xsl:template match="EnvelopeTagContainingPayload">
    <xsl:variable name="removeUnwanted" as="xs:string" select="replace(., '&lt;UnwantedPayloadTag.*UnwantedPayloadTag&gt;', '', 's')" />
    <xsl:value-of select="$removeUnwanted"/>
  </xsl:template>

在AltovaXML中，这可以无缝地工作。结果与预期完全一致。但在撒克逊人中，它造成了严重破坏。没有输出;相反，我在命令行中无休止地重复以下错误消息，使整个DOS命令行窗口混乱：

at net.sf.saxon.regex.Operation $ OpStar.exec（Operation.java:235）

at net.sf.saxon.regex.REMatcher.matchNodes（REMatcher.java:413）

问题仅在我使用＆＃34; s＆＃34;旗。但如果我放弃它，我就不会得到这场比赛。我尝试了一种不需要旗帜的替代方案并做同样的事情：

    <xsl:variable name="removeUnwanted" as="xs:string" select="replace(., '&lt;UnwantedPayloadTag[\s\S]*UnwantedPayloadTag&gt;', '')" />

但我在撒克逊人身上得到同样的错误。而且，Altova再次做对了。我不确定问题是否在我的代码上，因为它在Altova中工作正常。但我真的希望这也能在萨克森工作。那么，有什么不对？

Answer 1

您在Saxon正则表达式引擎中遇到堆栈溢出，因为回溯过多。我们在将来的9.6版本中已经解决了这个问题，但在此期间你需要注意那些做太多回溯的正则表达式。

真的，你的做法是错误的。不应使用正则表达式来解析XML。你的表达是错误的，因为它可以匹配它不应该匹配的东西，例如：注释中的某些内容看起来像结束标记。你无法通过调整正则表达式来解决问题，因为XML具有递归语法，而正则表达式无法处理递归语法。 Saxon为此提供了parse-xml（）。

Answer 2

由于Saxon 9.6现已推出，即使家庭版HE支持XPath 3.0等功能，例如parse-xml-fragment，现在正在解决问题的正确方法

<xsl:transform version="3.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform" xmlns:xs="http://www.w3.org/2001/XMLSchema" exclude-result-prefixes="xs">

  <xsl:output method="xml" encoding="utf-8"/>

  <xsl:template match="/">
    <xsl:apply-templates select="*/EnvelopeTagContainingPayload"/>
  </xsl:template>

  <xsl:template match="@* | node()">
    <xsl:copy>
      <xsl:apply-templates select="@* , node()"/>
    </xsl:copy>
  </xsl:template>

  <xsl:template match="EnvelopeTagContainingPayload">
    <xsl:apply-templates select="parse-xml-fragment(.)"/>
  </xsl:template>

  <xsl:template match="UnwantedPayloadTag"/>

</xsl:transform>

通过这种方式，您只需将标记解析为XML，然后使用模板过滤掉您不想要的任何元素。

在Saxon 9.5中无法获得正则表达式的“s”标志

2 个答案: