XSLT 2.0如何高效将指定高Unicode字符转换为处理指令

问题梳理 #

• 需求：对同时包含7位ASCII、高Unicode字符的文本节点做处理，将指定高Unicode字符转换为对应处理指令，转换规则示例：

&#x2011;  ->   <processing-instruction name="xpp">character output="hyphen"</processing-instruction>
&#xF0B7;  ->   <processing-instruction name="xpp">character output="page"</processing-instruction>

• 原有方案问题：
  • 用xsl:tokenize逐次按单个字符拆分，第一次拆分后变量就会包含普通文本+处理指令的混合内容，后续分词调用会直接报错
  • 每新增一个待转换字符就要新增一层中间变量、重复调用分词模板，代码冗余度极高，扩展性差
  • 处理指令通过转义尖括号拼接字符串生成，不符合XSLT原生节点生成规范，容易出现转义错误
  • 未覆盖x00-x1F、0xFF及以上范围非配置字符的自动标记需求

原有冗余实现代码如下：

<xsl:template match="text()">
    <xsl:variable name="SR1">
        <xsl:value-of select="fn:replace(., '%', '\\%')"/>
    </xsl:variable>
    <!-- 非断字连字符 -->
    <xsl:variable name="SR2">
        <xsl:call-template name="tokenize">
            <xsl:with-param name="string" select="$SR1"/>
            <xsl:with-param name="delimiter">&#x2011;</xsl:with-param>
            <xsl:with-param name="PI"><xsl:text>&lt;?xpp character symbol="bxhyphen" hex="x2011" data="E28091"?&gt;</xsl:text></xsl:with-param>
        </xsl:call-template>
    </xsl:variable>
    <!-- 页码引用 -->
    <xsl:variable name="SR3">
        <xsl:call-template name="tokenize">
            <xsl:with-param name="string" ><xsl:copy-of select="$SR2"/></xsl:with-param>
            <xsl:with-param name="delimiter">&#xF0B7;</xsl:with-param>
            <xsl:with-param name="PI"><xsl:text>&lt;?xpp character symbol="pgref" hex="xF0B7" data="EF82B7"?&gt;</xsl:text>
            </xsl:with-param>
        </xsl:call-template>
    </xsl:variable>
    <!-- 实心圆点 -->
    <xsl:variable name="SR4">
        <xsl:call-template name="tokenize">
            <xsl:with-param name="string" ><xsl:copy-of select="$SR3"/></xsl:with-param>
            <xsl:with-param name="delimiter">&#x25CF;</xsl:with-param>
            <xsl:with-param name="PI"><xsl:text>&lt;?xpp character symbol="bub" hex="x25CF" data="E2978F"?&gt;</xsl:text>
            </xsl:with-param>
        </xsl:call-template>
    </xsl:variable>
    <xsl:copy-of select="$SR4"/>
</xsl:template>

优化实现 #

核心逻辑采用逐字符递归遍历，配合全局可配置映射表，单次遍历即可完成%转义、指定字符转PI、未映射特殊字符标记全流程，无需多层中间变量，直接通过XSLT原生语法生成PI节点。

1. 定义全局可配置字符映射表 #

所有待转换字符的映射规则统一配置，后续增删改规则无需调整处理逻辑：

<!-- 特殊字符映射配置：按需增删entry节点即可 -->
<xsl:variable name="charMap">
    <entry hex="2011" symbol="bxhyphen" data="E28091"/>
    <entry hex="F0B7" symbol="pgref" data="EF82B7"/>
    <entry hex="25CF" symbol="bub" data="E2978F"/>
</xsl:variable>

2. 核心递归处理模板 #

<xsl:template name="processText">
    <xsl:param name="input"/>
    <xsl:param name="pos" select="1"/>
    <!-- 递归终止：所有字符处理完成 -->
    <xsl:if test="$pos <= string-length($input)">
        <xsl:variable name="curChar" select="substring($input, $pos, 1)"/>
        <xsl:variable name="curCode" select="string-to-codepoints($curChar)[1]"/>
        <xsl:choose>
            <!-- 第一步：转义%特殊字符 -->
            <xsl:when test="$curChar = '%'">
                <xsl:text>\%</xsl:text>
            </xsl:when>
            <!-- 第二步：匹配已配置特殊字符，原生生成PI节点 -->
            <xsl:when test="$charMap/entry[@hex = upper-case(format-number($curCode, 'X'))]">
                <xsl:variable name="matchEntry" select="$charMap/entry[@hex = upper-case(format-number($curCode, 'X'))][1]"/>
                <xsl:processing-instruction name="xpp">
                    <xsl:text>character symbol="</xsl:text>
                    <xsl:value-of select="$matchEntry/@symbol"/>
                    <xsl:text>" hex="x</xsl:text>
                    <xsl:value-of select="$matchEntry/@hex"/>
                    <xsl:text>" data="</xsl:text>
                    <xsl:value-of select="$matchEntry/@data"/>
                    <xsl:text>"</xsl:text>
                </xsl:processing-instruction>
            </xsl:when>
            <!-- 第三步：标记未配置的特殊字符：x00-x1F、0xFF及以上范围 -->
            <xsl:when test="($curCode >= 0 and $curCode <= 31) or $curCode >= 255">
                <xsl:processing-instruction name="xpp">
                    <xsl:text>unmapped-char hex="x</xsl:text>
                    <xsl:value-of select="upper-case(format-number($curCode, 'X'))"/>
                    <xsl:text>"</xsl:text>
                </xsl:processing-instruction>
            </xsl:when>
            <!-- 普通ASCII字符直接输出 -->
            <xsl:otherwise>
                <xsl:value-of select="$curChar"/>
            </xsl:otherwise>
        </xsl:choose>
        <!-- 递归处理下一个字符 -->
        <xsl:call-template name="processText">
            <xsl:with-param name="input" select="$input"/>
            <xsl:with-param name="pos" select="$pos + 1"/>
        </xsl:call-template>
    </xsl:if>
</xsl:template>

3. 替换原文本节点匹配模板 #

原有多层嵌套逻辑可直接简化为单模板调用，原有自定义tokenize模板可完全废弃：

<xsl:template match="text()">
    <xsl:call-template name="processText">
        <xsl:with-param name="input" select="."/>
    </xsl:call-template>
</xsl:template>

方案优势 #

• 扩展性强：新增转换规则仅需在charMap中添加对应条目，无需修改核心处理逻辑
• 性能更优：单次遍历完成所有处理，无多次字符串拆分、中间变量拷贝开销，从根源避免混合内容导致的分词报错
• 规范性好：通过xsl:processing-instruction原生生成PI节点，无需手动转义尖括号拼接字符串，杜绝转义错误
• 覆盖全需求：自动实现%转义、指定字符转换、未映射特殊字符标记功能，无需额外开发

内容的提问来源于stack exchange，提问作者markh