XSLT 2/3 如何拆分混合内容元素为独立句子元素（仅按直接文本内句号分割）

核心规则落地逻辑 #

• 仅对待拆分节点（示例中为<p>）的直接子文本节点做句号切分，所有嵌套子元素、孙元素内部的句号完全不做处理，原样保留
• 先将切分后的文本片段和原有子元素按原始顺序组成节点序列，再按“当前节点之前累计遇到的直接文本句号数量”给相邻节点分组，同一组内容对应一个独立的<sentence>元素

可直接运行的XSLT 2.0代码 #

<xsl:stylesheet version="2.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform">
  <!-- 保留所有缩进、换行空白，避免格式丢失 -->
  <xsl:strip-space elements=""/>

  <!-- 匹配根text节点 -->
  <xsl:template match="text">
    <text>
      <xsl:apply-templates select="p"/>
    </text>
  </xsl:template>

  <!-- 匹配待拆分的p节点 -->
  <xsl:template match="p">
    <!-- 预处理节点：拆分直接子文本的句号，子元素原样保留 -->
    <xsl:variable name="preprocessed-nodes">
      <xsl:for-each select="node()">
        <!-- 处理直接子文本节点：按句号拆分，保留句号本身 -->
        <xsl:if test="self::text()">
          <xsl:analyze-string select="." regex="([^.]*\.)|([^.]+)">
            <xsl:matching-substring>
              <!-- 跳过空匹配片段，保留有效空白 -->
              <xsl:if test="normalize-space(.) ne '' or matches(., '^\s+$')">
                <xsl:copy-of select="."/>
              </xsl:if>
            </xsl:matching-substring>
          </xsl:analyze-string>
        </xsl:if>
        <!-- 处理子元素：完全原样复制 -->
        <xsl:if test="self::element()">
          <xsl:copy-of select="."/>
        </xsl:if>
      </xsl:for-each>
    </xsl:variable>

    <!-- 按句号位置邻接分组，生成sentence节点 -->
    <xsl:for-each-group 
      select="$preprocessed-nodes/node()" 
      group-adjacent="sum(preceding-sibling::node()[self::text() and matches(., '\.$')]/count(.)) + 1"
    >
      <sentence>
        <xsl:copy-of select="current-group()"/>
      </sentence>
    </xsl:for-each-group>
  </xsl:template>
</xsl:stylesheet>

效果验证说明 #

• 示例中<d>元素内部的“sunt in.”句号属于子元素内部文本，不会被作为拆分标记，整个<d>元素会完整保留在最后一个<sentence>中，完全符合拆分要求

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