标记直到下一次出现数据

Posted 2023-02-16

【中文标题】标记直到下一次出现数据

【英文标题】：Tokenizing until next occurrence of data

【发布时间】：2021-11-21 01:21:57

【问题描述】：

我有一个这样的字符串：

AA 12345678910

BB 测试测试

BB 测试测试

BB 测试测试

CC 测试

AA 0897654321

BB 测试测试

CC 测试

我将如何按数据 AA 分组？顺便说一句，这只是字符串。 我可以通过定位来做到这一点，但数据 BB 是多次出现的。

是否可以标记一大块字符串。一句话：“按AA分组，直到出现另一个AA”

【问题讨论】：

那么分组的结果是什么？

像这样：

但是输入被分成几行，AA 会在一行的开头？

@MartinHonnen 是的

【参考方案1】：

假设这个输入：

<input>
AA 12345678910
BB TESTTESTTEST
BB TESTTESTTEST
BB TESTTESTTEST
CC TEST
AA 0897654321
BB TESTTESTTEST
CC TEST
</input>

还有这个 XSLT

<xsl:for-each select="tokenize(input, '^AA ', 'm')">
  <xsl:if test="normalize-space()">
    <block>AA <xsl:value-of select="." /></block>
  </xsl:if>
</xsl:for-each>

我们得到两个块：

<block>AA 12345678910
BB TESTTESTTEST
BB TESTTESTTEST
BB TESTTESTTEST
CC TEST
</block><block>AA 0897654321
BB TESTTESTTEST
CC TEST
</block>

tokenize() 在分隔符处拆分输入字符串，但在处理过程中会删除分隔符。这就是为什么我们需要在输出中手动添加'AA '。

【讨论】：

如果输入是：AA12345678910，代码会有什么不同吗？ 'm' 是什么意思？

当您考虑一下时，您将看到针对这种情况在正则表达式中要更改的内容。 m 是多线开关。它将^（和$）的含义从“字符串的开始（结束）”更改为“行的开始（结束）”。这样，仅考虑位于行首的AA，而不是当它们随机出现在其他任何地方时。您可以使用regex101.com 来处理输入中实际存在的数据。 （对于您的下一个问题：始终按原样粘贴您的输入 XML，模糊的描述和任意更改总是会导致答案不适合您的问题。）

【参考方案2】：

在 XSLT 3（自 2017 年起支持，Saxon 9.8 及更高版本、Saxon-JS 2、Altova XML 2017 R3 及更高版本）中，您可以在字符串序列上使用for-each-group group-starting-with：

<xsl:stylesheet xmlns:xsl="http://www.w3.org/1999/XSL/Transform"
    xmlns:xs="http://www.w3.org/2001/XMLSchema"
    exclude-result-prefixes="#all"
    version="3.0">

  <xsl:output indent="yes"/>

  <xsl:template match="data">
    <xsl:copy>
      <xsl:for-each-group select="tokenize(., '\n')[normalize-space()]" group-starting-with=".[starts-with(., 'AA')]">
        <group pos="position()">
          <xsl:apply-templates select="current-group()"/>
        </group>
      </xsl:for-each-group>
    </xsl:copy>
  </xsl:template>
  
  <xsl:template match=".[. instance of xs:string]">
    <xsl:element name="substring(., 1, 2)"/>
  </xsl:template>
  
</xsl:stylesheet>

https://xsltfiddle.liberty-development.net/6qaHaS5

在 XSLT 2 中，与上述类似使用 for-each-group 的一种方法是首先将文本行转换为 XML 元素。