如何用XSLT 1.0从带occ属性的非结构化XML提取关联数据

当然可以用XSLT 1.0搞定这个需求！针对你提到的非结构化XML中I3和I4字段通过occ属性关联的场景，我们可以借助XSLT的<key>机制来实现动态匹配，完全不用依赖固定的occ值顺序。

核心思路 #

• 先定义一个索引键，把所有tag="I4"的<field>元素按它们的occ属性值分组，这样后续能快速通过occ值找到对应的类型描述。
• 遍历所有tag="I3"的<field>元素，对每个元素，通过刚才定义的键找到同occ值的I4元素，用I4的文本内容作为<variable>的name属性，I3的文本内容作为<variable>的节点值。
• 最后把所有生成的<variable>包裹在<output>根元素中。

完整XSLT 1.0示例代码 #

<?xml version="1.0" encoding="UTF-8"?>
<xsl:stylesheet version="1.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform">
    <!-- 定义key：以I4元素的occ属性为键，关联对应的I4节点 -->
    <xsl:key name="i4-by-occ" match="field[@tag='I4']" use="@occ"/>

    <xsl:template match="/">
        <output>
            <!-- 遍历所有tag为I3的field元素 -->
            <xsl:for-each select="//field[@tag='I3']">
                <xsl:variable name="current-occ" select="@occ"/>
                <!-- 找到对应occ的I4元素，如果存在则获取其文本，否则用默认值 -->
                <xsl:variable name="var-name" select="key('i4-by-occ', $current-occ)/text()"/>
                
                <variable>
                    <!-- 给name属性赋值：如果I4存在则用它的文本，否则用默认占位符 -->
                    <xsl:attribute name="name">
                        <xsl:choose>
                            <xsl:when test="$var-name">
                                <xsl:value-of select="$var-name"/>
                            </xsl:when>
                            <xsl:otherwise>
                                <xsl:text>unknown_field_</xsl:text>
                                <xsl:value-of select="$current-occ"/>
                            </xsl:otherwise>
                        </xsl:choose>
                    </xsl:attribute>
                    <!-- 输出I3的实际值 -->
                    <xsl:value-of select="text()"/>
                </variable>
            </xsl:for-each>
        </output>
    </xsl:template>
</xsl:stylesheet>

代码细节说明 #

1. <key>的作用：key('i4-by-occ', $current-occ)会直接返回所有occ属性等于当前I3元素occ值的I4元素，完美解决了occ顺序不固定、结构非结构化的问题。
2. 边界情况处理：加入了<xsl:choose>逻辑，当某个I3没有对应I4时，会生成带占位符的name属性，避免出现空属性的情况，你可以根据实际需求修改占位符的格式。
3. 动态遍历适配：通过//field[@tag='I3']遍历所有I3元素，不管它们在XML结构中的层级位置，完全适配非结构化的输入。

示例输入输出 #

假设你的输入XML是这样的：

<root>
    <field tag="I4" occ="1">ProductName</field>
    <field tag="I3" occ="1">Laptop Pro</field>
    <field tag="I4" occ="3">Price</field>
    <field tag="I3" occ="2">2024-05-20</field>
    <field tag="I3" occ="3">$999</field>
</root>

运行上面的XSLT后，输出会是：

<output>
    <variable name="ProductName">Laptop Pro</variable>
    <variable name="unknown_field_2">2024-05-20</variable>
    <variable name="Price">$999</variable>
</output>

这个方案完全适配你提到的occ顺序变化、类型标签存在与否不确定的场景，用XSLT 1.0就能完美实现。

内容的提问来源于stack exchange，提问作者Fredrik Andersson