HTML转XML的XSLT转换中如何拆分元素文本与节点且不丢失标记

现有HTML输入：

<p>
  <i>This is italic tag</i>. This text belongs to x element. The text from here should <sub>2</sub>   belong to y element.
</p>

使用以下XSLT转换后出现内容丢失：

<xsl:template match="p/text()[not(parent::i)]">
    <xsl:variable name="tokens" select="tokenize(.,'\.')"/>
    <xsl:element name="x">
        <xsl:value-of select="normalize-space($tokens[2])"/>
    </xsl:element>
    <xsl:element name="y">
        <xsl:value-of select="normalize-space(string-join($tokens[position() &gt; 2 and position() != last()], '.'))"/>
    </xsl:element>
</xsl:template>

<xsl:template match="sub">
    <xsl:element name="SUBSCRIPT">
        <xsl:apply-templates/>
    </xsl:element>
</xsl:template>

<xsl:template match="p">
    <xsl:element name="PARA">
        <xsl:apply-templates/>
    </xsl:element>
</xsl:template>

<xsl:template match="i">
    <xsl:element name="EMPHASIS">
        <xsl:apply-templates/>
    </xsl:element>
</xsl:template>

当前错误输出：

<PARA>
    <EMPHASIS>This is italic tag</EMPHASIS>
    <X>This text belongs to x element</X>
    <Y/>
    <SUBSCRIPT>2</SUBSCRIPT>
    <X/>
    <Y/>
</PARA>

期望输出：

<PARA>
     <EMPHASIS>This is italic tag</EMPHASIS>
     <X>This text belongs to x element</X>
     <Y>The text from here should <SUBSCRIPT>2</SUBSCRIPT> belong to y element</Y>      
</PARA>

需要调整XSLT模板，实现拆分<p>标签文本并保留<sub>子元素，避免内容丢失。

问题根源是原模板仅处理<p>下的纯文本节点，未处理文本与<sub>混合的节点组，导致<sub>被孤立处理，周围文本丢失。调整思路是先对<p>内除<i>外的所有内容按句号分组，再分别包装为<X>和<Y>，同时保留子元素的转换逻辑。

调整后的XSLT代码：

<xsl:template match="p">
    <PARA>
        <!-- 优先处理i元素 -->
        <xsl:apply-templates select="i"/>
        <!-- 获取p下除i外的所有节点（文本+sub） -->
        <xsl:variable name="content-after-i" select="node()[not(self::i)]"/>
        <!-- 定位第二个句号所在的节点，以此分割X/Y内容 -->
        <xsl:variable name="split-point" select="$content-after-i[contains(., '.')][2]"/>
        
        <!-- 生成X元素：包含split-point之前的所有内容 -->
        <X>
            <xsl:apply-templates select="$content-after-i[. << $split-point]">
                <xsl:with-param name="normalize" select="true()"/>
            </xsl:apply-templates>
        </X>
        
        <!-- 生成Y元素：包含split-point之后的所有内容 -->
        <Y>
            <xsl:apply-templates select="$content-after-i[. >> $split-point]">
                <xsl:with-param name="normalize" select="true()"/>
            </xsl:apply-templates>
        </Y>
    </PARA>
</xsl:template>

<xsl:template match="sub">
    <SUBSCRIPT>
        <xsl:apply-templates/>
    </SUBSCRIPT>
</xsl:template>

<xsl:template match="i">
    <EMPHASIS>
        <xsl:apply-templates/>
    </EMPHASIS>
</xsl:template>

<!-- 通用文本节点处理模板，支持空格归一化控制 -->
<xsl:template match="text()">
    <xsl:param name="normalize" select="false()"/>
    <xsl:choose>
        <xsl:when test="$normalize">
            <xsl:value-of select="normalize-space(.)"/>
        </xsl:when>
        <xsl:otherwise>
            <xsl:value-of select="."/>
        </xsl:otherwise>
    </xsl:choose>
</xsl:template>

关键改动说明： #

• 重构<p>模板逻辑：不再单独处理纯文本节点，而是提取<p>内除<i>外的全部节点集合，通过节点位置运算符<</>>按第二个句号分割内容组。
• 保留子元素转换：对分组后的内容直接应用模板，确保<sub>能被原有模板正确转换为<SUBSCRIPT>并嵌入对应位置。
• 可控的空格归一化：新增文本节点模板，通过参数控制是否执行normalize-space，避免无差别空格处理导致的内容变形。

内容的提问来源于stack exchange，提问作者Bakhovuddin Latifjanov