基于XQuery提取句法依存标注XML中sub关系区间的连续词序列实现

• 节点路径语法错误：原代码中/$p//item、/$item/a[9]这类斜杠开头的写法，会触发XQuery从文档根节点重新开始查询的逻辑，完全无法绑定循环中获取的$p、$item变量，导致目标节点定位全部失效。
• 冗余重复逻辑：代码块中重复编写了两次遍历<p>节点的循环结构，属于无作用的冗余代码，容易造成变量作用域混乱。
• 类型不兼容问题：直接将a[9]、a[1]的文本值作为区间遍历边界，没有显式做数值类型转换，遇到带空格、非数字字符的场景会直接导致遍历范围失效。
• 拼接逻辑位置错误：把string-join放在了单节点遍历的循环内部，相当于每取一个token就单独做一次拼接，完全没有收集完整区间内容后再统一处理的逻辑。
• 索引匹配偏差：使用$p/item[$i]定位节点时，没有校验item书写顺序和a[1]字段值的对应关系，一旦XML内item节点不是严格按token序号书写，就会直接取错内容，漏掉区间中间的节点。

for $p in /basetalismane/file//p[@type='description']
(: 按token序号升序排列当前段落的所有item节点，避免顺序错位 :)
let $sorted_items := sort(
    $p//item,
    (),
    function($item_node) { xs:integer($item_node/a[1]/text()) }
)
(: 筛选当前段落内所有a[8]为sub的匹配节点 :)
let $matched_subs := $sorted_items[xs:string(a[8]) = 'sub']
return
    <paragraph_output>
        {
            for $sub_node in $matched_subs
            (: 索引值显式转整数，避免类型异常 :)
            let $interval_start := xs:integer($sub_node/a[9]/text())
            let $interval_end := xs:integer($sub_node/a[1]/text())
            (: 筛选出序号落在闭区间内的所有token :)
            let $range_nodes := $sorted_items[
                xs:integer(a[1]/text()) >= $interval_start
                and xs:integer(a[1]/text()) <= $interval_end
            ]
            (: 一次性拼接完整词序列 :)
            return string-join($range_nodes/a[2]/text(), ' ')
        }
    </paragraph_output>

• 支持单段落内多个sub匹配节点的批量处理，会按token顺序依次输出每个匹配对应的拼接结果，不会出现内容混淆。
• 独立加载每个段落的item列表，跨段落处理时不会把其他段落的token混入当前区间的拼接内容。
• 不管XML文档内item节点的书写顺序如何，都会按照a[1]的序号做排序处理，从根源上消除索引错位问题。
• 严格覆盖区间内所有中间节点，不会只抓取sub类型本身的节点内容，完全匹配预期输出的连续词序列要求。

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