Question

我是XSLT的新手，我有一个大型的XML文档，我试图将其转换为ICML（Adobe InDesign使用的XML变体）。我正在使用的源文档的相关部分看起来像这样：

<BiographicalNote>
 &lt;p&gt;This text includes escaped HTML entities.&lt;/p&gt;
</BiographicalNote>

XML本身很好，但它包含的HTML是转义的。

以下是我需要最终产品的粗略示例：

<ParagraphStyleRange>
 <CharacterStyleRange>
  <Content>
   This text includes escaped HTML entities.
  </Content>
 </CharacterStyleRange>
</ParagraphStyleRange>

我可以将<BiographicalNote>转换为<ParagraphStyleRange><CharacterStyleRange><Content>没有问题，但是转义的实体正在困扰我。我似乎无法删除代码。

一些重要的考虑因素：

源文档的HTML部分是由各种不同熟悉HTML的人编写的，并不总是很好地形成。取消整个源文档不是一个选项，因为它在运行XSLT时会导致解析器错误。
源文档非常大（超过120,000行），因此查找和修复格式错误的HTML将非常不切实际且耗时。但是，在我实际需要的文件的特定部分中修复任何不良HTML（少于1％）更为可行。
虽然我想删除代码，但我需要保留大多数其他代码（，，等等，以便我能够稍后将它们转换为<CharacterStyleRange>标记。
我目前正在本地编写我的XSLT并使用终端（Mac）上的xsltproc运行转换。但最终，我将迁移到PHP系统并在服务器端运行转换。

我的基本模板如下所示：

<xsl:template match="BiographicalNote">
 <ParagraphStyleRange">
  <CharacterStyleRange>
   <Content>
   ...
   </Content>
  </CharacterStyleRange>
 </ParagraphStyleRange>
</xsl:template>

所以我需要弄清楚<Content>标签里面的内容。以下是我尝试过的内容：

<xsl:call-template name="DescriptionParser">
 <xsl:with-param name="DescriptionText"><xsl:value-of select="." disable-output-escaping="yes" /></xsl:with-param>
</xsl:call-template>

<xsl:template name="DescriptionParser">
 <xsl:param name="DescriptionText" />
 <xsl:copy-of select="exsl:node-set($DescriptionText)/p" />
</xsl:template>

和

<xsl:variable name="TaglineText"><xsl:value-of select="." disable-output-escaping="yes" /></xsl:variable>
<xsl:copy-of select="exsl:node-set($TaglineText)/p" />

这两个产生和空<Content>标记。但可疑的是，如果select="exsl:node-set($TaglineText)"，它会按预期工作，并返回This text includes escaped HTML entities.所有未转义的内容。

此外，xsl:value-of（不返回任何内容）时，使用xsl:copy-of代替select="exsl:node-set($TaglineText)/p"没有任何区别;但是当select="exsl:node-set($TaglineText)"它返回原始转义 HTML。

时

由于某些原因，它似乎无法将标记识别为节点，因此无法找到它。也许disable-output-escaping与exsl:node-set并不合适？

有谁能告诉我如何让XSLT将标签识别为节点，或者至少为什么它不起作用？我从其他StackOverflow主题中获得了大部分内容，但是我对这一点感到难过。

Answer 1

我不确定你的问题是什么。转义文本不是XML，不能作为XML处理。没有您可以选择的节点，因此您可以期望的最好结果是：

<Content>
<p>This text includes escaped HTML entities.</p>
</Content>

易于使用：

<Content>
    <xsl:value-of select="." disable-output-escaping="yes"/>
</Content>

如果要删除包装元素，则必须使用字符串函数执行此操作。如果您可以确定包装元素是（或任何其他字符串长度为1的标记），您可以这样做：

<Content>
    <xsl:variable name="text" select="normalize-space(.)" />
    <xsl:value-of select="substring($text, 4, string-length($text) - 7)" disable-output-escaping="yes"/>
</Content>

或者，将此转换的结果保存到文件中，然后处理生成的文件。但是，这要求生成的文件是格式良好的XML文档 - 我知道您无法确定这一点。

我如何浏览HTML，然后使用XSLT进行转换？

1 个答案: