使用XSLT复制HTML <meta>标签失败问题求助

你遇到的问题本质是XML的严格语法要求和HTML的松散语法不兼容——XML强制所有元素必须有匹配的结束标签，而传统HTML里像<META>这类标签经常省略闭合标签，这就触发了XML解析器的报错。下面给你几个可行的解决方案：

方案1：把HTML转为合法的XHTML（最稳妥） #

先将嵌入的HTML转换成符合XML规范的XHTML，这样XML解析器就能正常处理了。你可以用专门的工具来做这件事，比如HTML Tidy：

tidy -asxhtml -output cleaned_xhtml.html your_original.html

这个命令会把你的HTML自动修正为带闭合标签的XHTML，比如把<META>改成<META/>或者补全</META>。之后把修正后的XHTML内容放回XML文件里，再用XSLT提取就不会报错了。

如果不想用工具，也可以手动修正那些不闭合的标签，比如：

<!-- 修正前的HTML -->
<META HTTP-EQUIV="Content-Type" CONTENT="text/html; charset=UTF-8">
<!-- 修正后的XHTML -->
<META HTTP-EQUIV="Content-Type" CONTENT="text/html; charset=UTF-8"/>

方案2：用CDATA段包裹HTML内容 #

如果没法提前修正HTML，那可以在XML里把HTML内容放在<![CDATA[...]]>这个CDATA段里——XML解析器会把CDATA里的内容当作纯文本，不会检查标签的闭合性。

比如修改你的XML结构：

<embedded-html>
  <![CDATA[
    <HTML>
      <HEAD>
        <META HTTP-EQUIV="Content-Type" CONTENT="text/html; charset=UTF-8">
        <!-- 其他HTML内容 -->
      </HEAD>
      <BODY>
        <!-- 页面内容 -->
      </BODY>
    </HTML>
  ]]>
</embedded-html>

然后在XSLT里提取内容时，记得加上disable-output-escaping="yes"，这样输出的HTML标签不会被转义：

<xsl:template match="/">
  <xsl:value-of select="embedded-html" disable-output-escaping="yes"/>
</xsl:template>

方案3：使用支持HTML解析的XSLT扩展函数 #

如果你的XSLT处理器支持扩展（比如Saxon-PE/EE），可以用parse-html()函数直接解析非规范的HTML，不需要提前修正。比如在XSLT 2.0及以上版本中：

<xsl:stylesheet version="2.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform"
                xmlns:fn="http://www.w3.org/2005/xpath-functions">
  <xsl:template match="/">
    <!-- 提取XML中的HTML文本并解析为文档节点 -->
    <xsl:variable name="html-document" select="fn:parse-html(//embedded-html/text())"/>
    <!-- 现在可以像操作XML一样提取HTML里的内容，比如获取所有meta标签 -->
    <xsl:copy-of select="$html-document//head/meta"/>
  </xsl:template>
</xsl:stylesheet>

这个方法的好处是不需要修改原始XML或HTML，直接在XSLT里处理，但要注意你的处理器是否支持这个函数。

内容的提问来源于stack exchange，提问作者zanza67