Question

我需要采用一些XML并将其转换为固定宽度的加载文件，以便加载到SAP系统。我的算法工作正常，除了一些奇怪的欧洲字符，如Ã，当字符串返回字符串长度+1时，每个char的实例。因此，例如文本Ãbcd的字符串长度（$ value）为5而不是4。

这是一个问题，因为我的代码会检查属性的长度是什么，然后从固定长度输出格式的最大长度中减去它（例如，如果它读取了它，则为30宽度字段我认为它需要25个空格而不是26个。

有没有人知道更好的方法，或者我在算法中做错了什么？

下面是我的xsl模板（大部分......不能让它们在这里非常正确......）

要写出属性的模板：

<xsl:param name="value"/>
<xsl:param name="width"/>

<!-- find the current length of the field-->
<xsl:variable name="valueWidth" select="string-length($value)" />
<xsl:variable name="difference" select="$width - $valueWidth" />


  <xsl:if test="$difference &gt; 0">
  <xsl:value-of select="$value"/>
  <!-- run this for loop x times outputing space for each -->
  <xsl:call-template name="for-loop-spaces">
    <xsl:with-param name="count" select="$difference - 1" />
  </xsl:call-template>

</xsl:if>


<xsl:if test="($difference &lt; 0)">
  <xsl:value-of select="substring($value,0,$width)"/>
</xsl:if>

<xsl:if test="$difference = 0">
  <xsl:value-of select="$value"/>
</xsl:if>
</xsl:template>

for-loop-spaces模板（它不会复制粘贴）：每次调用时都输出一个空格。接受参数“count”。如果count大于零，则递归调用count-1直到0。

任何输入都非常有用：）

Answer 1

问题是可以使用组合变音符号而不是单个字符。这就是给你“错误长度”的原因。

有关这些字符的详情，请参阅http://en.wikipedia.org/wiki/Combining_character。

如果您有XSLT 2，则有一个内置函数来规范化它们应该有效：fn:normalize-unicode

对于XSLT 1.0，您必须使用某些函数来计算除组合字符之外的字符。一种可能性可能是使用翻译：

translate($input, '&#768;&#769;&#770;&#771;&#772;&#773;&#774;&#775;&#776;&#777;&#778;&#779;&#780;&#781;&#782;&#783;&#784;&#785;&#786;&#787;&#788;&#789;&#790;&#791;&#792;&#793;&#794;&#795;&#796;&#797;&#798;&#799;&#800;&#801;&#802;&#803;&#804;&#805;&#806;&#807;&#808;&#809;&#810;&#811;&#812;&#813;&#814;&#815;&#816;&#817;&#818;&#819;&#820;&#821;&#822;&#823;&#824;&#825;&#826;&#827;&#828;&#829;&#830;&#831;&#832;&#833;&#834;&#835;&#836;&#837;&#838;&#839;&#840;&#841;&#842;&#843;&#844;&#845;&#846;&#847;&#848;&#849;&#850;&#851;&#852;&#853;&#854;&#855;&#856;&#857;&#858;&#859;&#860;&#861;&#862;&#863;&#864;&#865;&#866;&#867;&#868;&#869;&#870;&#871;&#872;&#873;&#874;&#875;&#876;&#877;&#878;&#879;', '')

请注意，如果你有合并的亚洲字符，你会遇到更多问题。

来自http://www.dpawson.co.uk/xsl/characters.html

但是如果是Unicode组合使用字符和输入文件有e'（其中'真的是' 结合急性特征）然后应该是任何支持Unicode的渲染器使这成为一个急剧的渲染，到XML引擎它是两个人物，e和急性。

Answer 2

与所有XSLT / XPath一样，

string-length()是基于字符的，而不是基于字节的，因此string-length("Ãbcd")肯定会给出4.如果它给出5，那么：

你的Ã实际上是两个独立的字符，其中一个字符组合了波形变量，它实际上是正确的，即使它意味着列没有在视觉上排列。但我猜可能不是，因为你在这里粘贴的版本是一个单一的组合字符，U + 00C3 LATIN CAPITAL LETTER A WITH TILDE。或者，
您的输入XML已使用错误的编码读取，实际上是UTF-8（XML的默认值），但已被读作其他内容，通常是ISO-8859-1，使得U + 00C3字符，由字节序列0xC3,0x83表示，出现为两个字符U + 00C3，U + 0083（Ã）。

你不必担心“古怪的欧洲人物”;如果你错误地使用Unicode，那么基本的7位ASCII集之外的所有字符将会被破坏，包括很多美国人甚至喜欢使用它们。

在任何情况下都存在SAP为其FWV输入格式所需的编码问题。将Ã作为单个字符并为一个字符添加正确数量的填充字符非常好，但如果您输出到UTF-8而SAP实际上没有读取UTF-8，那么它仍然会打破进口。

您需要找出目标SAP安装所需的编码（如果它不是UTF-8，cp1252是另一个很好的猜测），以及该格式的固定列是否基于Unicode字符或字节。从这个（相关的？）spec我相信它们实际上是基于字节的，在这种情况下，如果你的数据库应该包含UTF-8，那么5实际上是正确的字节长度。

不幸的是，XSLT完全是关于字符的，并且没有给你机会使用字节，所以如果输入文件是基于字节的，你将不得不：

删除所有非ASCII字符，使得这一点没有用，或者
使用XSLT外部的另一个工具来执行此处理，一个知道字节的处理。说实话，这对我来说最有意义：XSLT非常适合XML到XML的转换，而且对于其他字符串处理任务来说非常糟糕。您可以使用Python等现代脚本语言的几行重写上面的模板，使其更具可读性和效率。

Answer 3

这不是XSLT问题，但可能是输出的编码问题。你的XSLT是如何执行的？可能您必须更改输出编写器的设置。

正如Oded所说，这可能是输入阅读器编码而不是输出编码的问题，因为根据XPath specification字符串长度计数字符，所以你可能会计算字符串的字符数转换为Ä的多个字符。也许输入是UTF-8但您的配置将其读作单字节编码？

Answer 4

你在计算字节或字符吗？你提到的Ã是1个字符，但是2个字节（当使用UTF-8时，似乎就是这种情况）。 UTF-8中的字符可以占用1-4个字节。

如果string-length计算字节数，则结果是正确的。

欧洲字符到固定宽度输出的XSLT字符填充

4 个答案: