如何用XSLT 3.0流式处理高度嵌套XML文档？（Saxon-EE 9.8.0.12）

我完全懂你的痛点——那些简单的XSLT流式示例都是给扁平重复结构准备的，碰到你这种高度嵌套、还要全节点遍历做JSON<->XML转换的场景，copy-of根本不管用，本质还是会把整个文档塞进内存。好在你用的是Saxon-EE 9.8，它的流式能力足够应付这种复杂场景，给你几个实操性强的方案：

1. 用多阶段流式拆解嵌套结构 #

把复杂的转换拆成两步，先把嵌套XML拆成扁平的中间流，再处理这个中间流转换格式：

• 第一阶段：流式遍历整个XML，提取每个节点的路径+值（比如/ElectionReport/Election/Candidate/BallotName/Text对应文本值），输出成类似键值对的扁平结构，这一步完全不用加载整个文档
• 第二阶段：再流式处理这个扁平结构，把路径映射成JSON的层级结构，或者反过来从JSON的键值对组装成嵌套XML

给你个第一阶段提取路径的XSLT示例：

<xsl:mode streamable="yes" on-no-match="shallow-skip"/>

<xsl:template match="*" streamable="yes">
  <xsl:param name="path" select="''"/>
  <xsl:variable name="current-path" select="concat($path, '/', local-name())"/>
  <!-- 只处理有实际内容的文本节点 -->
  <xsl:if test="text()[normalize-space()]">
    <entry>
      <path><xsl:value-of select="$current-path"/></path>
      <value><xsl:value-of select="normalize-space(text())"/></value>
    </entry>
  </xsl:if>
  <!-- 递归处理子节点，传递当前路径 -->
  <xsl:apply-templates select="child::*">
    <xsl:with-param name="path" select="$current-path"/>
  </xsl:apply-templates>
</xsl:template>

2. 自适应流式逐个处理嵌套节点 #

Saxon-EE的自适应流式允许你在模板里逐层处理节点，只要保证按文档顺序访问，不回头看已处理的内容就行。你可以给每个嵌套节点写对应的流式模板，直接构建JSON结构，不用加载整个子树。

比如处理<n1:Candidate>的示例：

<xsl:mode streamable="yes"/>

<xsl:template match="n1:Candidate" streamable="yes">
  <xsl:map>
    <xsl:map-entry key="'ballotName'" select="string(n1:BallotName/n1:Text)"/>
    <xsl:map-entry key="'contactInfo'" select="my:process-contact(n1:ContactInformation)"/>
    <!-- 其他属性和子节点照此处理 -->
  </xsl:map>
</xsl:template>

<xsl:function name="my:process-contact" streamable="yes">
  <xsl:param name="contact" as="element(n1:ContactInformation)"/>
  <xsl:map>
    <xsl:map-entry key="'email'" select="string($contact/n1:Email)"/>
    <xsl:map-entry key="'phone'" select="string($contact/n1:Phone)"/>
    <xsl:map-entry key="'schedule'" select="my:process-schedule($contact/n1:Schedule)"/>
  </xsl:map>
</xsl:function>

这里的关键是用string()这种流式安全的函数提取值，绝不使用copy-of整个子树（除非子树特别小）。Saxon会自动帮你管理内存，只保留当前正在处理的节点层级。

3. 拆分JSON<->XML转换的流式优化 #

如果用Saxon内置的xml-to-json/json-to-xml，默认会加载整个文档，你可以拆成多个小单元处理：

• XML转JSON：流式遍历XML，把每个独立的逻辑单元（比如每个<n1:Candidate>、<n1:BallotCounts>）单独转成JSON对象，再把这些对象拼接成JSON数组/对象
• JSON转XML：把JSON拆成多个条目，流式组装成对应的XML嵌套结构，避免一次性加载整个JSON

给你个XML转JSON的流式示例：

<xsl:mode streamable="yes"/>

<xsl:template match="/n1:ElectionReport" streamable="yes">
  <xsl:text>{ "election": {</xsl:text>
  <xsl:text>"ballotCounts": [</xsl:text>
  <xsl:apply-templates select="n1:Election/n1:BallotCounts" mode="to-json"/>
  <xsl:text>],</xsl:text>
  <xsl:text>"candidates": [</xsl:text>
  <xsl:apply-templates select="n1:Election/n1:Candidate" mode="to-json"/>
  <xsl:text>]}}</xsl:text>
</xsl:template>

<xsl:template match="n1:BallotCounts" mode="to-json" streamable="yes">
  <xsl:text>{</xsl:text>
  <xsl:text>"deviceClass": { "manufacturer": "</xsl:text><xsl:value-of select="n1:DeviceClass/n1:Manufacturer"/>"},</xsl:text>
  <xsl:text>"ballotsCast": "</xsl:text><xsl:value-of select="n1:BallotsCast"/>"</xsl:text>
  <xsl:text>}</xsl:text>
  <xsl:if test="position() != last()">,</xsl:if>
</xsl:template>

这种方式逐个输出JSON片段，全程流式，内存占用极低。

最后注意Saxon-EE 9.8的流式限制 #

9.8的流式有几个坑要避开：

• 不能用逆向轴（比如parent::、ancestor::），除非是在copy-of里，但尽量别用
• 不能对节点做排序、分组（除非是流式分组，但9.8支持有限）
• 所有apply-templates和for-each必须按文档顺序处理

如果你的逻辑需要分组或排序，可以先在第一阶段把数据拆成扁平结构，再在第二阶段处理——此时数据量已经被压缩，内存压力小很多。

总的来说，核心就是把深度嵌套的处理拆成逐个节点/逐个逻辑单元的流式处理，别想着一次性搞定整个文档，利用Saxon-EE的流式能力就能实现低内存的JSON<->XML转换。

内容的提问来源于stack exchange，提问作者J. Nicholas