使用XSLT转换含值内逗号的CSV数据为XML的方案咨询

解决方案 #

核心问题为原有逻辑直接按逗号分割CSV行，未识别双引号包裹的字段边界，导致字段内的逗号被误判为字段分隔符。可通过XSLT的analyze-string指令匹配符合CSV规则的字段修复，以下是完整修改后的代码：

完整修改后XSLT代码 #

<xsl:template match="/">
  <xsl:variable name="input" select="unparsed-text('example.csv')" />
  <xsl:variable name="rows" select="tokenize($input, '\r?\n')[normalize-space(.) != '']"/>
  
  <!-- 拆分表头，支持双引号包裹的表头场景 -->
  <xsl:variable name="csvHeaders">
    <Heading>
      <xsl:analyze-string select="$rows[1]" regex='&quot;([^&quot;]*)&quot;|([^,&quot;]+)'>
        <xsl:matching-substring>
          <header>
            <xsl:value-of select="if (regex-group(1) != '') then regex-group(1) else regex-group(2)"/>
          </header>
        </xsl:matching-substring>
      </xsl:analyze-string>
    </Heading>
  </xsl:variable>

  <!-- 拆分数据行，支持双引号包裹的含逗号字段 -->
  <xsl:variable name="step1-xml">
    <xsl:for-each select="remove($rows, 1)">
      <data>
        <xsl:analyze-string select="." regex='&quot;([^&quot;]*)&quot;|([^,&quot;]+)'>
          <xsl:matching-substring>
            <xsl:element name="elm{position()}">
              <xsl:value-of select="if (regex-group(1) != '') then regex-group(1) else regex-group(2)"/>
            </xsl:element>
          </xsl:matching-substring>
        </xsl:analyze-string>
      </data>
    </xsl:for-each>
  </xsl:variable>

  <CSVData>  
    <xsl:copy-of select="$csvHeaders" />
    <Dataset>
      <xsl:for-each select="$step1-xml/data">
        <item>
          <xsl:for-each select="*">
            <xsl:variable name="i" select="position()" />
            <xsl:element name="{translate($csvHeaders/Heading/header[$i], ' :', '__')}">
              <xsl:value-of select="."/>
            </xsl:element>
          </xsl:for-each>
        </item>
      </xsl:for-each>
    </Dataset> 
  </CSVData>
</xsl:template>

逻辑说明 #

• 用analyze-string配合正则"([^"]*)"|([^,"]+)匹配CSV字段：优先匹配双引号包裹的内容，再匹配不含逗号和双引号的普通字段
• 匹配到双引号包裹的字段时，自动去掉外层双引号，保留内部逗号
• 新增空行过滤逻辑，避免CSV末尾空行导致的解析错误
• 完全兼容原有普通CSV的处理逻辑，无需额外预处理步骤

上述代码处理你提供的异常场景CSV时，可直接输出期望结果。

内容的提问来源于stack exchange，提问作者devforweb_17