如何使用XSLT 1.0将HTML UL树形结构转换为一维XML？

需求说明 #

需要将嵌套的聊天树形HTML结构转换为带父ID（pid）的扁平化XML列表，实现消息层级的扁平化映射。

输入HTML结构 #

<!DOCTYPE html>
<html>
<head>
    <title>Chat</title>
</head>
<body>
    <ul>
        <li>
            <b>Name 1</b> say: Hi!<ul>
                <li>
                    <b>Name 2</b> say: Hello<ul>
                        <li>
                            <b>Name 3</b> say: Ho ho
                        </li>
                        <li>
                            <b>Name 4</b> say: How do you do?<ul>
                                <li>
                                    <b>Name 5</b> say: I'm fine<ul>
                                        <li>
                                            <b>Name 4</b> say: Ok
                                        </li>
                                    </ul>
                                </li>
                            </ul>
                        </li>
                    </ul>
                </li>
                <li>
                    <b>Name 3</b> say: Hi. How do you do?<ul>
                        <li>
                            <b>Name 1</b> say: Fine
                        </li>
                    </ul>
                </li>
            </ul>
        </li>
    </ul>
</body>
</html>

期望输出XML结构 #

<?xml version="1.0" encoding="UTF-8"?>
<items>
    <item id="1" pid="0" name="Name 1">Hi!</item>
    <item id="2" pid="1" name="Name 2">Hello</item>
    <item id="3" pid="2" name="Name 3">Ho ho</item>
    <item id="4" pid="2" name="Name 4">How do you do?</item>
    <item id="5" pid="4" name="Name 5">I'm fine</item>
    <item id="6" pid="5" name="Name 4">Ok</item>
    <item id="7" pid="1" name="Name 3">Hi. How do you do?</item>
    <item id="8" pid="7" name="Name 1">Fine</item>
</items>

原尝试的XSLT问题 #

原代码仅匹配<b>标签，未处理嵌套结构的递归遍历，也未生成id和pid属性，无法完成完整转换：

<xsl:stylesheet version="1.0" encoding="utf-8"
    xmlns:xsl="http://www.w3.org/1999/XSL/Transform">
    <xsl:output method="xml" indent="yes"/>
    <xsl:template match="b">
        <item>
            <xsl:attribute name="name">
                <xsl:value-of select="@*|node()"/>
            </xsl:attribute>
        </item>
    </xsl:template>
</xsl:stylesheet>

正确的XSLT解决方案 #

<xsl:stylesheet version="1.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform">
    <xsl:output method="xml" indent="yes" encoding="UTF-8"/>
    
    <!-- 根模板：初始化XML结构，开始处理最外层聊天消息 -->
    <xsl:template match="/html">
        <items>
            <xsl:apply-templates select="body/ul/li">
                <xsl:with-param name="parent-id" select="0"/>
            </xsl:apply-templates>
        </items>
    </xsl:template>
    
    <!-- 核心模板：处理每个聊天消息项（li元素） -->
    <xsl:template match="li">
        <xsl:param name="parent-id"/>
        <!-- 生成当前消息的唯一ID，按所有li的出现顺序计数 -->
        <xsl:variable name="current-id">
            <xsl:number level="any" count="li"/>
        </xsl:variable>
        
        <!-- 提取发送者名称 -->
        <xsl:variable name="sender-name" select="b/text()"/>
        <!-- 提取消息内容：移除"say: "前缀并清理空格 -->
        <xsl:variable name="message-content" select="substring-after(normalize-space(text()), 'say: ')"/>
        
        <!-- 生成扁平化的item节点 -->
        <item id="{$current-id}" pid="{$parent-id}" name="{$sender-name}">
            <xsl:value-of select="$message-content"/>
        </item>
        
        <!-- 递归处理当前消息的子回复 -->
        <xsl:apply-templates select="ul/li">
            <xsl:with-param name="parent-id" select="$current-id"/>
        </xsl:apply-templates>
    </xsl:template>
    
    <!-- 忽略无关节点，避免输出冗余内容 -->
    <xsl:template match="head | title | text()[not(parent::li)]"/>
</xsl:stylesheet>

代码说明 #

1. 根模板：匹配整个HTML文档，创建XML根节点<items>，并启动最外层<li>的处理，设置根消息的父ID为0。
2. 核心li处理模板：
   • 用<xsl:number>为每个<li>生成连续唯一的ID，保证顺序与原聊天层级一致。
   • 提取<b>标签内的文本作为发送者名称，通过substring-after截取"say: "后的内容作为消息正文。
   • 递归处理当前<li>内部的子回复，将当前ID传递给子消息作为父ID（pid）。
3. 无关节点过滤：忽略<head>、<title>等不需要的节点，避免输出无效内容。

使用该XSLT处理输入HTML，即可得到符合要求的扁平化XML结构。

内容的提问来源于stack exchange，提问作者Andre