如何使用XPath或JavaScript从XML中提取Org_Unit_Name重复的Records节点

核心筛选规则：全量检索所有Records节点，仅保留Org_Unit_Name字段值在整个文档中出现次数≥2的节点，剔除仅单次出现的对应记录 #

XPath/XSLT 实现路径 #

此前使用preceding轴定位容易出现漏选，根源是仅判断当前节点之前是否存在同值，会把重复序列中排在首位的节点误判为非重复项。

• 通用XPath筛选表达式（兼容绝大多数XPath 1.0以上环境）：
  //Records[count(//Records/Org_Unit_Name[text() = current()/Org_Unit_Name]) > 1]
  逻辑说明：统计全文档范围内，与当前Records节点的Org_Unit_Name文本完全相等的节点总数量，只要计数大于1就保留该Records节点，覆盖所有位置的重复值，不会漏选。
• 低版本XSLT 1.0环境（不支持current()嵌套计数）的优化写法：
  1. 先在样式表头部定义节点键值映射：<xsl:key name="orgUnitIndex" match="Records/Org_Unit_Name" use="text()"/>
  2. 根节点匹配后直接筛选目标Records：<xsl:copy-of select="//Records[key('orgUnitIndex', Org_Unit_Name)[2]]"/>
     逻辑说明：只要某个Org_Unit_Name值对应的键索引下存在第二个及以上的同值节点，就把所有关联的Records节点全量保留，无位置判断偏差。

JavaScript 实现路径 #

此前使用unique(false)筛选失效，本质是数组原生去重逻辑的目标是保留“非重复项”，和“保留所有重复关联项”的需求方向相反。正确实现步骤：

1. 先遍历所有Records节点，统计每个Org_Unit_Name的出现频次：

   const allRecords = Array.from(document.querySelectorAll('Hierarchy > Records'));
   const nameFreq = {};
   allRecords.forEach(rec => {
     const unitName = rec.querySelector('Org_Unit_Name').textContent.trim();
     nameFreq[unitName] = (nameFreq[unitName] || 0) + 1;
   });
   

2. 依据频次统计结果回筛所有满足条件的Records节点，序列化输出最终XML片段：

   const matchedRecords = allRecords.filter(rec => {
     const unitName = rec.querySelector('Org_Unit_Name').textContent.trim();
     return nameFreq[unitName] > 1;
   });
   // 构造根节点拼接有效记录
   const root = document.createElement('Hierarchy');
   matchedRecords.forEach(node => root.appendChild(node));
   const resultXml = new XMLSerializer().serializeToString(root);
   

示例场景的预期输出 #

按照给定的3条Records测试数据，Org_Unit_Name为ABC的记录共出现2次，Org_Unit_Name为456的记录仅出现1次被剔除，最终有效XML片段为：

<Hierarchy>
  <Records>
    <Org_Unit_Name>ABC</Org_Unit_Name>
    <Parent_Org_Unit>123</Parent_Org_Unit>
  </Records>
  <Records>
    <Org_Unit_Name>ABC</Org_Unit_Name>
    <Parent_Org_Unit>DEF</Parent_Org_Unit>
  </Records>
</Hierarchy>

内容的提问来源于stack exchange，提问作者Amuktha