XSLT：將字符串解析爲XML節點集（concret：將HTML-String轉換爲節點集）？

我面臨的問題是我在XML中有一個字符串的節點，代表HTML。我需要削減該字符串，但是，當然，這可能導致在invalide HTML的標記（例如，如果我切字符串總是後30個字符我很容易失去閉元件等</ul>等）。怎麼辦？這似乎是非常困難的，因爲我沒有通過谷歌找到真正的幫助。XSLT：將字符串解析爲XML節點集（concret：將HTML-String轉換爲節點集）？

我的想法至今：以「分析字符串」和正則表達式選擇節點和內容，並把它們寫上課XML元素節點。但是我遇到很大的問題來處理所有情況，特別是嵌套節點。

有人有一些想法嗎？

FYI：我的記事本：

正則表達式：抓住第一個標籤
第一個節點的讀標記名
認沽標記名正則表達式和搜索整個標籤，還可以選擇字符串的其餘部分（去請稍後再試）
查看完整內容：更多標籤？是： - >步驟1中，無： - >步驟5
寫入標籤作爲節點元件
字符串取其餘 - >步驟1

下面是XML的文檔：

<?xml version="1.0" encoding="UTF-8"?> 
<html> 
    <data> 
     <![CDATA[ 
     <h2>header</h2><p>A little article. <b>Here</b> it's already done!</p> 
     ]]> 
    </data> 
</html>

我想要做什麼：

在我有一個字符串（HTML），只是想輸出字符的特殊金額（例如，前25）。當我這樣做只是在弦上，我得到這樣的結果：

"<h2>header</h2><p>A little article"

在下一步我把這個字符串的HTML輸出，但在這一點上，我獲得合法的標記，因爲<p> -Tag不關閉。

所以我的第一種方法是：解析這個字符串以獲取每個標記的XML-Nodes，然後遍歷每個節點，編寫一個xml元素（以確保最終標記將有效）並複製儘可能多的字符，直到達到極限，在這個例子中將是25個字符。

來源

2012-01-03 K.S.

您可能希望在您的問題中包含您的XML文檔。 – ColinE 2012-01-03 09:50:48

你對輸入XML有任何控制嗎？如果你沒有使用CDATA標籤，這可能是可能的。使用CDATA標記，HTML字符串僅被視爲文本的通用字符串，並且不容易在HTML標記處進行分析。刪除CDATA標籤，然後您可以開始匹配標籤... – 2012-01-03 10:51:43

請編輯您的問題並提供轉換所需的結果。目前還不清楚你想要「刪除」哪個字符串。 – 2012-01-03 12:56:39

如果您有代表HTML的XML節點，那麼這應該是實體編碼，即打開和關閉括號轉換爲<和> - 這意味着你可以剪你喜歡的地方，仍然有一個有效的XML文檔。

來源

2012-01-03 09:50:18 ColinE

是的，正確的。對不起，我不太清楚，因爲我想避免一個無效的輸出，一個無效的HTML文檔（因爲缺少關閉元素可能會破壞整個頁面視圖）。 – 2012-01-03 09:55:52

正如您所提到分析串你似乎使用XSLT 2.0。這樣，你有兩個選擇，與撒克遜9有擴展功能http://www.saxonica.com/documentation/extensions/functions/parse.xml（並且要解析HTML甚至一個http://www.saxonica.com/documentation/extensions/functions/parse-html.xml的情況下），再有就是大衛·卡萊爾的純XSLT 2.0實現的HTML解析器http://code.google.com/p/web-xslt/source/browse/trunk/htmlparse你可以導入你的樣式表，然後在數據元素的內容上使用。

來源

2012-01-03 11:10:52

非常有趣！我會嘗試一下樣式表，謝謝你！（PS：是的，我正在使用XSLT 2.0） – 2012-01-03 12:50:54

我測試了David Carlisle的純XSLT 2.0實現，但我無法使其正常工作。即使大衛卡萊爾的確切例子對我來說也不正確。所以我放棄了我的想法。 :( – 2012-01-10 15:48:08

XSLT：將字符串解析爲XML節點集（concret：將HTML-String轉換爲節點集）？

回答

相關問題