如何用XQuery过滤XML深层子节点的重复项？

需求明确：在整个<Articles>文档中，所有<Article>下的<UNIT>节点需保证<NR>与<COUNT>的组合唯一，仅保留该组合第一次出现的<UNIT>节点，后续重复的全部移除。

解决方案：使用XSLT 1.0的Muenchian分组实现去重 #

Muenchian分组是XSLT中处理节点去重的经典方案，通过定义基于<NR>+<COUNT>组合的键，精准识别重复节点并过滤。

以下是完整的XSLT代码：

<?xml version="1.0" encoding="UTF-8"?>
<xsl:stylesheet version="1.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform">
    <!-- 定义键：用NR和COUNT的文本内容拼接作为唯一标识 -->
    <xsl:key name="unitKey" match="UNIT" use="concat(NR, '|', COUNT)"/>

    <!-- 复制所有节点的默认模板 -->
    <xsl:template match="@*|node()">
        <xsl:copy>
            <xsl:apply-templates select="@*|node()"/>
        </xsl:copy>
    </xsl:template>

    <!-- 过滤重复的UNIT节点：仅保留每个键对应的第一个节点 -->
    <xsl:template match="UNIT[not(generate-id() = generate-id(key('unitKey', concat(NR, '|', COUNT))[1]))]"/>
</xsl:stylesheet>

代码说明 #

1. 键定义：<xsl:key>将每个<UNIT>节点与NR|COUNT的拼接字符串绑定，这个字符串就是判断重复的唯一标识。
2. 默认复制模板：确保原XML中除了需要过滤的<UNIT>外，其他所有节点（包括<Article>、<A1>等）都被原样复制。
3. UNIT过滤模板：当某个<UNIT>不是其对应键组中的第一个节点时，这个模板会空输出（即移除该节点）。generate-id()函数用于判断节点是否为组内第一个。

使用方法 #

将上述XSLT保存为remove-duplicate-units.xsl，然后用XML处理器（比如xsltproc命令行工具）处理你的输入XML：

xsltproc remove-duplicate-units.xsl input.xml > output.xml

处理后得到的结果完全符合你的期望输出：保留第一个出现的<NR>/<COUNT>组合对应的<UNIT>，后续重复的全部移除。

对之前尝试的补充说明 #

你之前用string-join拼接值后删除节点时误删所有<UNIT>，大概率是因为删除逻辑没有精准定位到重复节点，而Muenchian分组通过键组的方式，能准确区分首次出现和重复出现的节点，避免误删。

内容的提问来源于stack exchange，提问作者Alexander D.