从xml使用xslt剥离html标记

我想从xml中获取正常文本，其中一个字段包含html数据。我无法在template.pls中添加条件向我推荐任何解决方案。从xml使用xslt剥离html标记

<?xml version="1.0" encoding="UTF-8"?> 
<workdetail> 
<field name="summaryText1">&lt;UL style="MARGIN-TOP: 0in" type=disc&gt; 
&lt;LI style="TEXT-ALIGN: justify;MARGIN-BOTTOM: 0pt" class=MsoNormal&gt;&lt;SPAN style="mso-fareast-font-family: 'timesnewroman'; mso-bidi-font-family: calibri; mso-bidi-theme-font: minor-latin; mso-bidi-font-style: italic"&gt;&lt;FONT size=2&gt;Manage the daily activities of the HOD s office.&lt;?xml:namespace prefix = o /&gt;&lt;o:p&gt;&lt;/o:p&gt;&lt;/FONT&gt;&lt;/SPAN&gt;&lt;/LI&gt; 
&lt;LI style="MARGIN-BOTTOM: 0pt" class=MsoNormal&gt;&lt;SPAN style="mso-fareast-font-family: 'timesnewroman'; mso-bidi-font-family: calibri; mso-bidi-theme-font: minor-latin; mso-bidi-font-style: italic"&gt;&lt;FONT size=2&gt;Handle and manage all communication, correspondence and filing of documents. &lt;o:p&gt;&lt;/o:p&gt;&lt;/FONT&gt;&lt;/SPAN&gt;&lt;/LI&gt; 
&lt;LI style="MARGIN-BOTTOM: 0pt" class=MsoNormal&gt;&lt;SPAN style="mso-fareast-font-family: 'timesnewroman'; mso-bidi-font-family: calibri; mso-bidi-theme-font: minor-latin; mso-bidi-font-style: italic"&gt;&lt;FONT size=2&gt;Fix appointments, arrange for meetings, conferences etc.&lt;o:p&gt;&lt;/o:p&gt;&lt;/FONT&gt;&lt;/SPAN&gt;&lt;/LI&gt; 
</workdetail>

亩XSL文件是

<xsl:stylesheet version="2.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform"> 
<xsl:output indent="yes" encoding="utf-8"/> 
<xsl:strip-space elements="*"/> 
<xsl:template match="/"> 
<workdetail> 
<xsl:apply-templates select="*" /> 
</workdetail> 
</xsl:template> 
<xsl:template match="*:workdetail"> 
<xsl:variable name="text" select="*:field[starts-with(@name,'summaryText1')]"/> 
     <xsl:choose> 

    <xsl:when test="contains($text, '&lt;')"> 

     <xsl:value-of select="substring-after($text, '&lt;')"/> 



       <xsl:variable name="text" select="substring-after($text, '&gt;')"/> 
    </xsl:when> 

    <xsl:otherwise> 

     <xsl:value-of select="$text"/> 

    </xsl:otherwise> 

</xsl:choose> 
</xsl:stylesheet>

这之后>标签返回的一切。我可以传递更多的价值在这将只返回文本文件。

来源

2013-08-29 user1906222

请考虑发布要为您发布的XML输入示例创建的输出。并且请告诉我们您使用的是哪个XSLT 2.0处理器，例如某些Saxon 9.5版本的http://www.saxonica.com/documentation/index.html#!functions/saxon/parse-html，这可以使解析任务HTML容易。 –

感谢martin for reply.i使用xslt2.0处理器和saxon9pe.jar进行转换。我的期望输出是<？xml version =“1.0”encoding =“UTF-8”？> 管理HOD办公室的日常活动，处理和管理所有文件的通信，通信和归档。，修复约会，安排会议，会议等我只是想删除所有html标记 – user1906222

随着撒克逊9.5 PE您应该能够使用http://www.saxonica.com/documentation/index.html#!functions/saxon/parse-html：

<xsl:template match="workdetail/field[@name = 'summaryText1']"> 
    <xsl:value-of select="saxon:parse-html(.)"/> 
</xsl:template>

，你有你的声明样式表的根元素

<xsl:stylesheet xmlns:saxon="http://saxon.sf.net/" xmlns:xsl="http://www.w3.org/1999/XSL/Transform" version="2.0">...</xsl:stylesheet>

。

如果您无法访问HTML解析器，则可尝试使用replace和正则表达式去除标记，但以下内容是作为如何解决该问题的建议而提出的，未对正则表达式进行彻底测试：

<xsl:template match="workdetail/field[@name = 'summaryText1']"> 
    <xsl:value-of select="replace(., '&lt;/?\w+[^&lt;]*&gt;', '')"/> 
</xsl:template>

来源

2013-08-30 08:52:02

嗨马丁感谢reply.one问题我可以做同样的事情与saxon8e或saxonhe免费版本。任何其他方式来做到这一点。 – user1906222

我不认为开源的Saxon 9.5 HE支持该扩展功能。我不知道你用“saxon8e”引用了哪个版本，你需要自己检查它的文档是否支持该扩展功能。 –

thanku for reply again.yaa我检查了saxon8e和saxon9.5he都显示撒克逊扩展功能不available.is有任何其他方式，我可以删除所有的html标签。 – user1906222

从xml使用xslt剥离html标记

回答

相关问题