如何使用XPath将HTML拆分转换为DocBook XML的simplesect章节？

拆分的XPath问题 #

要实现将HTML中每个<h3>及其后续关联内容（段落、figure等）转换为DocBook的<simplesect>，核心是精准选中每个<h3>对应的后续兄弟节点，直到下一个<h3>（或父容器末尾）。以下分XPath版本给出可行表达式：

XPath 1.0 适配方案 #

由于XPath 1.0不支持原生区间选择，需通过节点计数界定范围。假设当前上下文为目标<h3>节点，选中其对应内容的表达式为：

following-sibling::*[not(self::h3) and count(preceding-sibling::h3) = count(current()/preceding-sibling::h3)]

表达式解释： #

• following-sibling::*：选中当前<h3>之后的所有兄弟元素
• not(self::h3)：排除后续的<h3>节点，避免混入下一个章节标题
• count(preceding-sibling::h3) = count(current()/preceding-sibling::h3)：确保目标节点的前置<h3>数量与当前<h3>的前置数量一致，以此锁定属于当前章节的内容范围

若要同时选中<h3>本身和对应内容，可合并表达式：

self::h3 | following-sibling::*[not(self::h3) and count(preceding-sibling::h3) = count(current()/preceding-sibling::h3)]

XPath 2.0+ 简化方案 #

XPath 2.0及以上支持更直观的节点区间语法，可直接定位到下一个<h3>之前的内容：

following-sibling::*[not(self::h3) and (. >> current() and (not(following-sibling::h3) or . << following-sibling::h3[1]))]

表达式解释： #

• . >> current()：确保节点在当前<h3>之后
• not(following-sibling::h3) or . << following-sibling::h3[1]：要么没有后续<h3>（已是最后一个章节），要么节点在第一个后续<h3>之前

实际XSLT转换示例 #

结合XSLT实现完整转换（以XPath 1.0为例），假设HTML结构如下：

<div class="product-content">
  <h3>核心功能</h3>
  <p>产品支持多终端同步，满足跨场景使用需求。</p>
  <figure><img src="sync.png" alt="同步示意图"></figure>
  
  <h3>快速上手</h3>
  <p>注册账号后，完成三步配置即可启用服务：</p>
  <ol>
    <li>绑定设备</li>
    <li>设置同步规则</li>
    <li>启动同步任务</li>
  </ol>
</div>

对应的XSLT模板：

<xsl:template match="div[@class='product-content']">
  <chapter>
    <xsl:for-each select="h3">
      <simplesect>
        <title><xsl:value-of select="text()"/></title>
        <!-- 复制当前<h3>对应的所有内容节点 -->
        <xsl:copy-of select="following-sibling::*[not(self::h3) and count(preceding-sibling::h3) = count(current()/preceding-sibling::h3)]"/>
      </simplesect>
    </xsl:for-each>
  </chapter>
</xsl:template>

内容的提问来源于stack exchange，提问作者web_ou