如何用XSLT 2.0实现食谱配料单序列与数据库序列的精准匹配？

核心问题分析 #

原方案遍历全量3500条数据库记录并调用contains匹配，存在两个关键缺陷：

1. 全量遍历效率极低；
2. contains无法实现精确配料匹配（例如误将"salted"识别为匹配"salt"），且无法统计匹配的配料数量。

以下是针对XSLT 2.0+的高效解决方案：

方案1：利用索引键快速筛选候选节点 #

通过xsl:key建立配料到对应Ingredients节点的索引，直接定位所有包含至少一个源配料的候选节点，避免全量遍历：

步骤1：定义索引键 #

<!-- 建立单个配料到包含该配料的Ingredients节点的映射 -->
<xsl:key name="ingredient-map" match="Ingredients" use="tokenize(@list, ',\s*')"/>

注：,\s*用于处理逗号后的空格，避免因空格差异导致的匹配失败。

步骤2：计算匹配度并筛选最优结果 #

<!-- 先将源配料拆分为去重的序列 -->
<xsl:variable name="source-ingredients" select="distinct-values(tokenize(@list, ',\s*'))"/>

<!-- 通过索引快速获取所有相关候选节点（自动去重） -->
<xsl:variable name="candidates" select="key('ingredient-map', $source-ingredients)"/>

<!-- 按匹配配料数量降序排序，取排名第一的节点 -->
<xsl:for-each select="$candidates">
  <xsl:sort select="count(tokenize(@list, ',\s*')[. = $source-ingredients])" order="descending"/>
  <xsl:if test="position() = 1">
    <!-- 输出匹配度最高的配料序列 -->
    <xsl:copy-of select="."/>
  </xsl:if>
</xsl:for-each>

方案2：预处理数据库配料集合（适合多批次匹配） #

若需多次执行匹配操作，提前将数据库的配料序列转换为标准化集合，避免重复执行tokenize：

步骤1：预处理数据库数据 #

<!-- 生成包含标准化配料集合的中间节点 -->
<xsl:variable name="processed-db">
  <xsl:for-each select="$data/Ingredients">
    <IngredientEntry original-list="{@list}" ingredients="{tokenize(@list, ',\s*')}"/>
  </xsl:for-each>
</xsl:variable>

步骤2：快速匹配最优结果 #

<xsl:variable name="source-set" select="tokenize(@list, ',\s*')"/>

<xsl:for-each select="$processed-db/IngredientEntry">
  <!-- 计算当前条目与源配料的匹配数量 -->
  <xsl:variable name="match-count" select="count(tokenize(@ingredients, ' ')[. = $source-set])"/>
  <xsl:sort select="$match-count" order="descending"/>
  
  <xsl:if test="position() = 1">
    <Ingredients list="{@original-list}"/>
  </xsl:if>
</xsl:for-each>

方案3：用XPath集合操作直接计算最优结果 #

无需循环，通过XPath内置函数直接计算最大匹配数并筛选对应节点：

<xsl:variable name="source-ingredients" select="tokenize(@list, ',\s*')"/>

<!-- 计算所有数据库节点的最大匹配数量 -->
<xsl:variable name="max-match-count" select="max($data/Ingredients/count(tokenize(@list, ',\s*')[. = $source-ingredients]))"/>

<!-- 输出所有匹配数量等于最大值的节点（若只需一个则加[1]） -->
<xsl:copy-of select="$data/Ingredients[count(tokenize(@list, ',\s*')[. = $source-ingredients]) = $max-match-count]"/>

额外优化建议 #

• 大小写兼容：若需忽略大小写匹配，将. = $source-ingredients替换为lower-case(.) = lower-case($source-ingredients)；
• 去重处理：对源配料和数据库配料执行distinct-values，避免重复配料影响匹配计数；
• XSLT 3.0优化：若使用XSLT 3.0，可利用xsl:accumulator或流处理进一步提升大数据集的处理效率。

内容的提问来源于stack exchange，提问作者Michael Friedman