XSLT：将字符串解析为XML节点集（concret：将HTML-String转换为节点集）？

我面临的问题是我在XML中有一个字符串的节点，代表HTML。我需要削减该字符串，但是，当然，这可能导致在invalide HTML的标记（例如，如果我切字符串总是后30个字符我很容易失去闭元件等</ul>等）。怎么办？这似乎是非常困难的，因为我没有通过谷歌找到真正的帮助。XSLT：将字符串解析为XML节点集（concret：将HTML-String转换为节点集）？

我的想法至今：以“分析字符串”和正则表达式选择节点和内容，并把它们写上课XML元素节点。但是我遇到很大的问题来处理所有情况，特别是嵌套节点。

有人有一些想法吗？

FYI：我的记事本：

正则表达式：抓住第一个标签
第一个节点的读标记名
认沽标记名正则表达式和搜索整个标签，还可以选择字符串的其余部分（去请稍后再试）
查看完整内容：更多标签？是： - >步骤1中，无： - >步骤5
写入标签作为节点元件
字符串取其余 - >步骤1

下面是XML的文档：

<?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>

我想要做什么：

在我有一个字符串（HTML），只是想输出字符的特殊金额（例如，前25）。当我这样做只是在弦上，我得到这样的结果：

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

在下一步我把这个字符串的HTML输出，但在这一点上，我获得合法的标记，因为<p> -Tag不关闭。

所以我的第一种方法是：解析这个字符串以获取每个标记的XML-Nodes，然后遍历每个节点，编写一个xml元素（以确保最终标记将有效）并复制尽可能多的字符，直到达到极限，在这个例子中将是25个字符。

来源

2012-01-03 K.S.

您可能希望在您的问题中包含您的XML文档。 – ColinE 2012-01-03 09:50:48

你对输入XML有任何控制吗？如果你没有使用CDATA标签，这可能是可能的。使用CDATA标记，HTML字符串仅被视为文本的通用字符串，并且不容易在HTML标记处进行分析。删除CDATA标签，然后您可以开始匹配标签... – 2012-01-03 10:51:43

请编辑您的问题并提供转换所需的结果。目前还不清楚你想要“删除”哪个字符串。 – 2012-01-03 12:56:39

如果您有代表HTML的XML节点，那么这应该是实体编码，即打开和关闭括号转换为<和> - 这意味着你可以剪你喜欢的地方，仍然有一个有效的XML文档。

来源

2012-01-03 09:50:18 ColinE

是的，正确的。对不起，我不太清楚，因为我想避免一个无效的输出，一个无效的HTML文档（因为缺少关闭元素可能会破坏整个页面视图）。 – 2012-01-03 09:55:52

正如您所提到分析串你似乎使用XSLT 2.0。这样，你有两个选择，与撒克逊9有扩展功能http://www.saxonica.com/documentation/extensions/functions/parse.xml（并且要解析HTML甚至一个http://www.saxonica.com/documentation/extensions/functions/parse-html.xml的情况下），再有就是大卫·卡莱尔的纯XSLT 2.0实现的HTML解析器http://code.google.com/p/web-xslt/source/browse/trunk/htmlparse你可以导入你的样式表，然后在数据元素的内容上使用。

来源

2012-01-03 11:10:52

非常有趣！我会尝试一下样式表，谢谢你！（PS：是的，我正在使用XSLT 2.0） – 2012-01-03 12:50:54

我测试了David Carlisle的纯XSLT 2.0实现，但我无法使其正常工作。即使大卫卡莱尔的确切例子对我来说也不正确。所以我放弃了我的想法。 :( – 2012-01-10 15:48:08

XSLT：将字符串解析为XML节点集（concret：将HTML-String转换为节点集）？

回答

相关问题