使兄弟节点在可流式模式下有一个父节点

Question

有一个包含很多同级 <Line> 节点的文档，如下所示

<Report>
    <Date>2020-07-25</Date>
    <Number>12</Number>
    <Line>
        <LineNumber>1</LineNumber>
        <Description>Some text</Description>
        <Quantity>5</Quantity>
    </Line>
    <Line>
        <LineNumber>2</LineNumber>
        <Description>Some other text</Description>
        <Quantity>9</Quantity>
    </Line>
</Report>

我想得到一个输出，这样的节点被组合成一个父节点，如

<INV>
    <HEAD>
        <DTM>2020-07-25</DTM>
        <ID>12</ID>
    </HEAD>
    <LINES>
        <LINE>
            <NUM>1</NUM>
            <DESC>Some text</DESC>
            <QTY>5</QTY>
        </LINE>
        <LINE>
            <NUM>2</NUM>
            <DESC>Some other text</DESC>
            <QTY>9</QTY>
        </LINE>
    </LINES>
</INV>

该问题的一个可能解决方案是按名称对元素进行分组

<xsl:stylesheet xmlns:xsl="http://www.w3.org/1999/XSL/Transform" xmlns:xs="http://www.w3.org/2001/XMLSchema" exclude-result-prefixes="xs" version="3.0">
    
    <xsl:mode streamable="yes" on-no-match="deep-skip"/>
    <xsl:mode name="non-streamable" on-no-match="shallow-skip"/>
    
    <xsl:template match="/Report">
        <xsl:element name="INV">
            <xsl:fork>
                <xsl:for-each-group select="*" group-by="name() = 'Line'">
                    <xsl:choose>
                        <xsl:when test="current-grouping-key()">
                            <xsl:element name="LINES">
                                <xsl:apply-templates select="current-group()/copy-of()" mode="non-streamable"/>                     
                            </xsl:element>
                        </xsl:when>
                        <xsl:otherwise>
                            <xsl:element name="HEAD">
                                <xsl:apply-templates select="current-group()/copy-of()" mode="non-streamable"/>                     
                            </xsl:element>
                        </xsl:otherwise>
                    </xsl:choose>
                </xsl:for-each-group>
            </xsl:fork>
        </xsl:element>
    </xsl:template>
    
    <xsl:template match="Date" mode="non-streamable">
        <DTM>
            <xsl:value-of select="."/>
        </DTM>
    </xsl:template>
    
    <xsl:template match="Number" mode="non-streamable">
        <ID>
            <xsl:value-of select="."/>
        </ID>
    </xsl:template>
    
    <xsl:template match="Line" mode="non-streamable">
        <LINE>
            <NUM>
                <xsl:value-of select="LineNumber"/>
            </NUM>
            <DESC>
                <xsl:value-of select="Description"/>
            </DESC>
            <QTY>
                <xsl:value-of select="Quantity"/>
            </QTY>
        </LINE>
    </xsl:template>

</xsl:stylesheet>

但是使用这种方法我面临着高内存消耗，它需要大约 2.5 GB 的 RAM 来转换一个现实生活中的 500 Mb 文档，其中包含大约 100 万行。这些分组的元素是否存储在内存中？我们能避免吗？
还有其他方法可以执行此任务吗？

Answer 1

xsl:for-each-group 和 @group-by 指令就技术定义而言是可流式的，因为它可以在内存中没有完整源文档的情况下运行；然而，它在内存中构建选定的组，因此它仍然有很高的内存需求。所以这不是正确的方法。

我认为您在这里的路线是正确的，但是您可以使用 group-adjacent 而不是 group-by，这使得它完全可以流式传输。这是我的解决方案：

<xsl:stylesheet xmlns:xsl="http://www.w3.org/1999/XSL/Transform" xmlns:xs="http://www.w3.org/2001/XMLSchema" exclude-result-prefixes="xs" version="3.0">
  
  <xsl:mode streamable="yes" on-no-match="deep-skip"/>
  <xsl:mode name="non-streamable" on-no-match="shallow-skip"/>
  
  <xsl:template match="/Report">
    <xsl:element name="INV">
        <xsl:for-each-group select="*" group-adjacent="name() = 'Line'">
          <xsl:choose>
            <xsl:when test="current-grouping-key()">
              <xsl:element name="LINES">
                <xsl:apply-templates select="current-group()"/>                     
              </xsl:element>
            </xsl:when>
            <xsl:otherwise>
              <xsl:element name="HEAD">
                <xsl:apply-templates select="current-group()/copy-of()" mode="non-streamable"/>                     
              </xsl:element>
            </xsl:otherwise>
          </xsl:choose>
        </xsl:for-each-group>
    </xsl:element>
  </xsl:template>
  
  <xsl:template match="Date" mode="non-streamable">
    <DTM>
      <xsl:value-of select="."/>
    </DTM>
  </xsl:template>
  
  <xsl:template match="Number" mode="non-streamable">
    <ID>
      <xsl:value-of select="."/>
    </ID>
  </xsl:template>
  
  <xsl:template match="Line">
    <LINE>
      <xsl:apply-templates/>
    </LINE>
  </xsl:template>
  
  <xsl:template match="LineNumber">
      <NUM>
        <xsl:value-of select="."/>
      </NUM>
  </xsl:template>
  
  <xsl:template match="Description">
    <DESC>
      <xsl:value-of select="."/>
    </DESC>
  </xsl:template>
  
  <xsl:template match="Quantity">
    <QTY>
      <xsl:value-of select="."/>
    </QTY>
  </xsl:template>
  
</xsl:stylesheet>

我没有在大输入文件上尝试过，但我认为它应该在常量内存中运行。

使兄弟节点在可流式模式下有一个父节点

Make sibling nodes have a parent in a streamable mode

streaming

saxon

xslt-3.0