使用 XSLT 1.0 从 XHTML 到结构化 XML

Question

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。它的格式一般来说应该不会太疯狂，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，我想根据 h1、h2、... 标签将其转换为一些结构化代码。第一个 h1 之后但第二个之前的内容应该包含在它自己的容器中，而第二个 h1 中的内容到它自己的文档末尾。同样，h2 之间的内容也应该放入容器中，从而嵌套它。输出应该是这样的：

<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>

尽管该示例仅包含 p 个标签，但它也可能包含 div 和其他元素，因此不要指望它只是一个节点。它需要足够通用，不关心 header 标签之间的内容。

我熟悉 Muenchian 分组，但这对我来说有点复杂。我试过使用这样的键：

<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>

这对于第一个级别来说效果很好，但后来尝试重复该过程，但使用 h2 似乎让我心碎。由于在 h2 级别，任何节点的键都应该是第一个、h1 或 h2 兄弟节点。它几乎看起来可以组合成一组键，其中 id 是它之前的最后一个 h* ，并且 h* 元素没有在分组中列出（这样它们就不会递归).我会想象这样的事情：

<xsl:key name="kHeaders" match="*[not(self::h1 or self::h2)]" use="generate-id(preceding-sibling::*[self::h1 or self::h2][1])"/>

但是，这从列表中遗漏了 h2 元素，这些元素需要出现在前一个 h1 的分组中。如果我放宽对匹配的限制以包含 h1/h2 元素（并使 h1 模板也匹配 h2），那么我会得到 h2 的 re-listing h1 等等（有些预期）。

一个理想的解决方案是可以扩展到 h3、h4 等，而无需付出很多努力。但是，它不需要包含用于处理通用 h* 元素的脚本元素。关于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？

Answer 1

这样做就可以了：

<xsl:stylesheet version="1.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform">
  <xsl:output method="xml" indent="yes"/>

  <xsl:template match="/">
    <Root>
      <xsl:apply-templates select="//h1"/>
    </Root>
  </xsl:template>

  <xsl:template match="*[starts-with(local-name(), 'h')]">
    <xsl:variable name="lvl" select="number(substring-after(local-name(), 'h'))"/>
    <Topic>
      <Title>
        <xsl:value-of select="text()"/>
      </Title>
      <xsl:apply-templates select="//following-sibling::*[not(starts-with(local-name(), 'h'))
                           and preceding-sibling::*[starts-with(local-name(), 'h')][1] = current()]"/>
      <xsl:apply-templates select="//following-sibling::*[local-name() = concat('h', $lvl + 1) 
                           and preceding-sibling::*[local-name() = concat('h', $lvl)][1] = current()]"/>
    </Topic>
  </xsl:template>

  <xsl:template match="*">
    <Paragraph>
      <xsl:value-of select="text()"/>
    </Paragraph>
  </xsl:template>
</xsl:stylesheet>

Answer 2

下面的样式表（从 this answer 复制的大部分基本代码）将在涉及更多 headers 时起作用：

<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>

使用 XSLT 1.0 从 XHTML 到结构化 XML

XHTML to Structured XML with XSLT 1.0

xml

xslt

xpath

xslt-1.0

xslt-grouping