如何用Muenchian分组算法通过XSLT去重XML记录并保留含子节点的记录

问题根源 #

原有实现默认保留分组内第一个出现的节点，没有针对是否带子节点做优先级排序，所以无法命中需要保留的目标记录。

调整方案 #

调整分组逻辑，优先提取同id分组内带子节点的assignment节点，仅当分组内无带子节点的记录时才保留第一个普通节点。

调整后核心代码 #

<!-- 按assigmentId的id属性对assignment节点分组 -->
<xsl:key name="assignmentById" match="ns0:assignment" use="ns0:assigmentId/@id"/>

<!-- 匹配非最优节点直接删除：最优节点为同分组内第一个带子节点的assignment，无则取分组第一个节点 -->
<xsl:template match="/ns0:students/ns0:assignment[
  not(
    generate-id() = generate-id(
      (key('assignmentById', ns0:assigmentId/@id)[ns0:assigmentId/*])[1]
      |
      (key('assignmentById', ns0:assigmentId/@id)[not(ns0:assigmentId/*)])[1]
    )
  )
]"/>

注意事项 #

• 你提供的输入示例中第一个assigmentId的属性为大写Id，其余为小写id，如果真实数据存在大小写混用的情况，可将key的use属性修改为use="ns0:assigmentId/@*[lower-case(local-name())='id']"做兼容（XSLT 2.0及以上支持lower-case函数，1.0可改用translate实现大小写转换）。
• 需确保ns0命名空间在xsl:stylesheet根节点中声明的URI与输入XML完全一致，否则会出现匹配失效的问题。
• 针对你给出的输入示例，调整后的代码会正确保留包含ns0:assignmentDetails子节点的assignment记录，删除另外两条同id的空记录。

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