含不规则空格的定长文件XSLT转XML时的子串计算问题

问题场景 #

我有一个每行固定长度但包含不定数量连续空格的文本文件，示例内容：

01474011240229GASOHOL 000000+000000+0006500064640009987
01474021240216SUPER 001000+001000+0000852011700006022

用XSLT转换为XML时，连续空格被压缩成单个空格，导致按固定位置提取子串的逻辑完全失效——比如提取前5个字符或指定位置的子串，结果都不符合预期。

试过用translate()函数把空格替换成-，但它会把连续空格替换成单个-，还是解决不了问题。当前使用的XSLT代码如下：

<?xml version="1.0" encoding="UTF-8"?>
<xsl:stylesheet version="1.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform"
   xmlns:msxsl="urn:schemas-microsoft-com:xslt" xmlns:xslextnobjects="urn:xsl-extn-objects">
   <xsl:output method="xml" version="1.0" encoding="iso-8859-1" indent="yes"
      omit-xml-declaration="yes"/>
   <xsl:include href="shared_csv_to_xml.xsl"/>
   <xsl:template match="/">
      <xsl:variable name="ParsedCsvRow">
         <xsl:call-template name="splitNewLine">
            <xsl:with-param name="str" select="."/>
         </xsl:call-template>
      </xsl:variable>
      <xsl:call-template name="GenerateTransformedOutput">
         <xsl:with-param name="CsvRowData">
            <xsl:copy-of select="$ParsedCsvRow"/>
         </xsl:with-param>
      </xsl:call-template>
   </xsl:template>
   <xsl:template name="GenerateTransformedOutput">
      <xsl:param name="CsvRowData"/>
      <xsl:element name="pseudoRoot">
         <xsl:element name="altFeedIntermediateSchema">
            <xsl:element name="businessDate">
               <xsl:text>0001-01-01T01:01:01.0001-06:00</xsl:text>
            </xsl:element>
         </xsl:element>
         <xsl:element name="altFeedIntermediateSchema">
            <xsl:element name="businessDate">
               <xsl:text>0001-01-01T01:01:01.0001-06:00</xsl:text>
            </xsl:element>
         </xsl:element>
         <xsl:for-each select="msxsl:node-set($CsvRowData)/record">
            <xsl:choose>
               <xsl:when test="position() = 0"/>
               <xsl:otherwise>
                  <xsl:element name="altFeedIntermediateSchema">
                     <xsl:element name="siteIdentifier">
                        <xsl:value-of select="xslextnobjects:Substring(./column1, 0, 5)"/>
                     </xsl:element>
                     <xsl:element name="tankIdentifier">
                        <xsl:value-of select="xslextnobjects:Substring(./column1, 0, 7)"/>
                     </xsl:element>
                     <xsl:element name="businessDate">
                        <xsl:value-of
                           select="xslextnobjects:ConvertDateTimeOffsetFormat(substring(./column1, 9, 6), 'yyMMdd', 'yyyy-MM-ddTHH:mm:ss.ffff')"
                        />
                     </xsl:element>
                     <xsl:element name="sales">
                        <xsl:value-of
                           select="xslextnobjects:GetNullableDouble(substring(xslextnobjects:ReplaceText(./column1, ' ', '-'), 38, 6))"
                        />
                     </xsl:element>
                     <xsl:element name="closeVolume">
                        <xsl:value-of
                           select="xslextnobjects:GetNullableDouble(substring(xslextnobjects:ReplaceText(./column1, ' ', '-'), 44, 5))"
                        />
                     </xsl:element>
                     <xsl:element name="productIdentifier">
                        <xsl:value-of select="translate(./column1, ' ', '-')"/>
                     </xsl:element>
                     <xsl:element name="deliveryGrossVolume">
                        <xsl:value-of
                           select="xslextnobjects:GetNullableDouble(substring(xslextnobjects:ReplaceText(./column1, ' ', '-'), 24, 6))"
                        />
                     </xsl:element>
                  </xsl:element>
               </xsl:otherwise>
            </xsl:choose>
         </xsl:for-each>
      </xsl:element>
   </xsl:template>
</xsl:stylesheet>

问题根源 #

XSLT处理文本节点时，默认会把连续空白字符（空格、换行、制表符等）合并成单个空格，这是XML的默认行为。处理定长格式的文本必须保留原始空格数量，不能让解析器自动合并。

解决方法 #

• 保留原始空格：确保输入文本被当作纯文本处理，解析器不合并空白。如果用splitNewLine模板拆分行，要保证模板不修改文本中的空格数量。
• 逐个替换空格：不要用translate()，它会把连续空格换成单个占位符。改用递归模板逐个替换每个空格为-，保留原始空格的数量：

  <xsl:template name="replace-all-spaces">
    <xsl:param name="text"/>
    <xsl:choose>
      <xsl:when test="contains($text, ' ')">
        <xsl:value-of select="substring-before($text, ' ')"/>
        <xsl:text>-</xsl:text>
        <xsl:call-template name="replace-all-spaces">
          <xsl:with-param name="text" select="substring-after($text, ' ')"/>
        </xsl:call-template>
      </xsl:when>
      <xsl:otherwise>
        <xsl:value-of select="$text"/>
      </xsl:otherwise>
    </xsl:choose>
  </xsl:template>
  

• 直接用原始文本提取子串：只要文本保留了原始空格，substring()就能按正确位置提取内容，不需要先替换空格。

修改后的完整XSLT示例 #

把递归替换模板加入样式表，修改相关字段的处理逻辑：

<?xml version="1.0" encoding="UTF-8"?>
<xsl:stylesheet version="1.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform"
   xmlns:msxsl="urn:schemas-microsoft-com:xslt" xmlns:xslextnobjects="urn:xsl-extn-objects">
   <xsl:output method="xml" version="1.0" encoding="iso-8859-1" indent="yes"
      omit-xml-declaration="yes"/>
   <xsl:include href="shared_csv_to_xml.xsl"/>

   <!-- 新增递归替换所有空格为-的模板 -->
   <xsl:template name="replace-all-spaces">
     <xsl:param name="text"/>
     <xsl:choose>
       <xsl:when test="contains($text, ' ')">
         <xsl:value-of select="substring-before($text, ' ')"/>
         <xsl:text>-</xsl:text>
         <xsl:call-template name="replace-all-spaces">
           <xsl:with-param name="text" select="substring-after($text, ' ')"/>
         </xsl:call-template>
       </xsl:when>
       <xsl:otherwise>
         <xsl:value-of select="$text"/>
       </xsl:otherwise>
     </xsl:choose>
   </xsl:template>

   <xsl:template match="/">
      <xsl:variable name="ParsedCsvRow">
         <xsl:call-template name="splitNewLine">
            <xsl:with-param name="str" select="."/>
         </xsl:call-template>
      </xsl:variable>
      <xsl:call-template name="GenerateTransformedOutput">
         <xsl:with-param name="CsvRowData">
            <xsl:copy-of select="$ParsedCsvRow"/>
         </xsl:with-param>
      </xsl:call-template>
   </xsl:template>

   <xsl:template name="GenerateTransformedOutput">
      <xsl:param name="CsvRowData"/>
      <xsl:element name="pseudoRoot">
         <xsl:element name="altFeedIntermediateSchema">
            <xsl:element name="businessDate">
               <xsl:text>0001-01-01T01:01:01.0001-06:00</xsl:text>
            </xsl:element>
         </xsl:element>
         <xsl:element name="altFeedIntermediateSchema">
            <xsl:element name="businessDate">
               <xsl:text>0001-01-01T01:01:01.0001-06:00</xsl:text>
            </xsl:element>
         </xsl:element>
         <xsl:for-each select="msxsl:node-set($CsvRowData)/record">
            <xsl:choose>
               <xsl:when test="position() = 0"/>
               <xsl:otherwise>
                  <xsl:element name="altFeedIntermediateSchema">
                     <xsl:element name="siteIdentifier">
                        <xsl:value-of select="xslextnobjects:Substring(./column1, 0, 5)"/>
                     </xsl:element>
                     <xsl:element name="tankIdentifier">
                        <xsl:value-of select="xslextnobjects:Substring(./column1, 0, 7)"/>
                     </xsl:element>
                     <xsl:element name="businessDate">
                        <xsl:value-of
                           select="xslextnobjects:ConvertDateTimeOffsetFormat(substring(./column1, 9, 6), 'yyMMdd', 'yyyy-MM-ddTHH:mm:ss.ffff')"
                        />
                     </xsl:element>
                     <xsl:element name="sales">
                        <!-- 直接使用原始文本提取，不替换空格 -->
                        <xsl:value-of select="xslextnobjects:GetNullableDouble(substring(./column1, 38, 6))"/>
                     </xsl:element>
                     <xsl:element name="closeVolume">
                        <!-- 直接使用原始文本提取 -->
                        <xsl:value-of select="xslextnobjects:GetNullableDouble(substring(./column1, 44, 5))"/>
                     </xsl:element>
                     <xsl:element name="productIdentifier">
                        <!-- 使用递归模板替换所有空格为- -->
                        <xsl:call-template name="replace-all-spaces">
                          <xsl:with-param name="text" select="./column1"/>
                        </xsl:call-template>
                     </xsl:element>
                     <xsl:element name="deliveryGrossVolume">
                        <!-- 直接使用原始文本提取 -->
                        <xsl:value-of select="xslextnobjects:GetNullableDouble(substring(./column1, 24, 6))"/>
                     </xsl:element>
                  </xsl:element>
               </xsl:otherwise>
            </xsl:choose>
         </xsl:for-each>
      </xsl:element>
   </xsl:template>
</xsl:stylesheet>

额外注意事项 #

检查shared_csv_to_xml.xsl中的splitNewLine模板，确保它在拆分每行时没有合并空白字符。如果该模板有处理空白的逻辑，需要修改为保留原始空格。

内容的提问来源于stack exchange，提问作者SV1