使用 XSLT 标记匹配正则表达式的文本？

Question

我正在尝试在 HTML 文档上使用 XSLT 2.0 (Saxon-PE 9.6) 来创建围绕来自指定非拉丁 Unicode 块（允许空格）的所有连续字符运行的标签。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 fn:replace() 的两种方法取得了一些进展，但我无法得出令人满意的完整解决方案。

例如，这里有一些包含印地语的文本：

输入：चाय का कप means ‘cup of tea’ in हिन्दि.

期望输出：चाय का कप means ‘cup of tea’ in हिन्दि.

如何在 XSLT 2.0 中实现此过程？

这是我对 <xsl:analyze-string> 的尝试：

（注意：印地语使用天城文代码块 U+0900 到 U+097F。）

<xsl:template match="text()">
  <xsl:variable name="textValue" select="."/>

  <xsl:analyze-string select="$textValue" regex="(\s*.*?)([&#x0900;-&#x097f;]+)((\s+[&#x0900;-&#x097f;]+)*)(\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>

在测试输入中，这会产生： चाय का कप means ‘cup of tea’ in हिन्दि. 这种方法遗漏了印地语文本的第二个区域 (हिन्दि)。我需要一种方法来查找并标记所有与正则表达式匹配的事件。

我的第二种方法使用 fn:replace():

<xsl:template match="text()">
  <xsl:value-of select='fn:replace(., "[&#x0900;-&#x097f;]+(\s+[&#x0900;-&#x097f;]+)*", "xxx[=11=]xxx")'/>
</xsl:template>

在测试输入中这会产生：xxxचाय का कपxxx means ‘cup of tea’ in xxxहिन्दिxxx.这显然是不正确的，因为印地语是用 xxx 包装的，而不是 span 标签，但从积极的方面来说，实际上发现并处理了印地语的每个区域.我无法用 span 标签替换 xxx 代码，因为那是无效的 XSLT。

Answer 1

这应该可行（代码后的一些注释）：

XSLT 2.0

<xsl:analyze-string select="$textValue" regex="([&#x0900;-&#x097f;]+)((\s+[&#x0900;-&#x097f;]+)*)">
    <xsl:matching-substring>
          <span xml:lang="hi-Deva"><xsl:value-of select="regex-group(1)"/><xsl:value-of select="regex-group(2)"/></span>
    </xsl:matching-substring>
    <xsl:non-matching-substring>
          <xsl:value-of select="."/>
    </xsl:non-matching-substring>
</xsl:analyze-string>

正则表达式是您第二次尝试的正则表达式（因为它只正确匹配印地语文本片段！），只是在第一部分周围有括号
matching-substring 分支将 span 放在印地语文本周围
non-matching-substring 分支只是 returns 未修改的 "normal" 文本子字符串（您返回的是整个文本！）

Answer 2

我想出了 http://xsltransform.net/jyH9rMo 正好

<?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="([&#x0900;-&#x097f;]+)((\s+[&#x0900;-&#x097f;]+)*)">

    <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>

Answer 3

补充前面的答案，您可能会注意到您可以用 \p{IsDevanagari} 代替 [ऀ-ॿ]

使用 XSLT 标记匹配正则表达式的文本？

Use XSLT to mark up text matching regex?

xml

xslt

unicode

xslt-2.0

saxon