使用 XSLT 删除重复标记及其在 XML 中的子项
Posted
技术标签:
【中文标题】使用 XSLT 删除重复标记及其在 XML 中的子项【英文标题】:Remove Duplicated Tag and it's childs in XML using XSLT 【发布时间】:2020-11-22 09:31:29 【问题描述】:所以,我想从我的 xml 中删除所有重复的标签及其子标签(如果存在)。这个例子来自这里How to remove duplicate xml-nodes using xslt? 这与我的问题几乎相同,除了解决方案对我不起作用而且我不知道为什么。
示例:xml 看起来像:
<root>
<row>
<title>The Oscars Opening Ceremony: Live from the Red Carpet</title> <!-- here -->
<actors>Margot Robbie</actors>
<actors>Kumail Nanjiani</actors>
<actors>Timothée Chalamet</actors>
<actors>Matthew McConaughey</actors>
<actors>Nicole Kidman</actors>
<actors>Saoirse Ronan</actors>
<actors>Jennifer Garner</actors>
<actors>Armie Hammer</actors>
<actors>Sandra Bullock</actors>
<actors>Gary Oldman</actors>
<actors>Mira Sorvino</actors>
<actors>Salma Hayek</actors>
<actors>Mahershala Ali</actors>
<actors>Jordan Peele</actors>
<actors>Wendi McLendon-Covey</actors>
<description>The Oscars Opening</description>
</row>
<row>
<title>Tabaluga tivi</title>
<actors>Ben Bledsoe</actors>
<actors>Philipp Wimmer</actors>
<actors>Patrick King Jr.</actors>
<description>Tabaluga tivi</description>
</row>
<row>
<title>Library of God</title>
<actors>Peter Førde</actors>
<actors>Lasse Vermeli</actors>
<actors>Hilde Amundsen</actors>
<description>Library of God</description>
</row>
<row>
<title>The Oscars Opening Ceremony: Live From The Red Carpet</title> <!-- here again -->
<actors>Mel Gibson</actors>
<actors>Dwayne Johnson</actors>
<actors>Nicole Kidman</actors>
<actors>Robin Roberts</actors>
<actors>Meryl Streep</actors>
<actors>Justin Timberlake</actors>
<description>Interviews with nominees, presenters and performers arriving for the awards ceremony; hosts Robin Roberts, Michael Strahan and Lara Spencer.</description>
</row>
</root>
理想的输出结果:
<root>
<row>
<title>The Oscars Opening Ceremony: Live from the Red Carpet</title> <!-- only this one at result -->
<actors>Margot Robbie</actors>
<actors>Kumail Nanjiani</actors>
<actors>Timothée Chalamet</actors>
<actors>Matthew McConaughey</actors>
<actors>Nicole Kidman</actors>
<actors>Saoirse Ronan</actors>
<actors>Jennifer Garner</actors>
<actors>Armie Hammer</actors>
<actors>Sandra Bullock</actors>
<actors>Gary Oldman</actors>
<actors>Mira Sorvino</actors>
<actors>Salma Hayek</actors>
<actors>Mahershala Ali</actors>
<actors>Jordan Peele</actors>
<actors>Wendi McLendon-Covey</actors>
<description>The Oscars Opening</description>
</row>
<row>
<title>Tabaluga tivi</title>
<actors>Ben Bledsoe</actors>
<actors>Philipp Wimmer</actors>
<actors>Patrick King Jr.</actors>
<description>Tabaluga tivi</description>
</row>
<row>
<title>Library of God</title>
<actors>Peter Førde</actors>
<actors>Lasse Vermeli</actors>
<actors>Hilde Amundsen</actors>
<description>Library of God</description>
</row>
</root>
这是我正在使用的 xslt:
<xsl:stylesheet version="1.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform">
<xsl:key name="kTitleByContent" match="row"
use="concat(title, '+', actors, '+', description)"/>
<xsl:template match="node()|@*">
<xsl:copy>
<xsl:apply-templates select="node()|@*"/>
</xsl:copy>
</xsl:template>
<xsl:template match="row[generate-id() !=
generate-id(key('kTitleByContent',
concat(title,'+',
actors,'+',
description))[1])]"/>
</xsl:stylesheet>
为什么不删除重复的?感谢任何帮助。谢谢
【问题讨论】:
也许只使用title
作为密钥?目前尚不清楚您希望使用连接键值实现什么,您似乎有多个不同顺序的 actors
元素。
@MartinHonnen 我想删除一个 use="title"
,但是请注意,对于您的示例,就纯粹的、不区分大小写的字符串比较而言,标题不是重复的,因为有Live from the Red
和另一个Live from The Red
。因此,您需要在 XSLT 2 及更高版本中额外使用小写字母,或者编写一个长 translate
调用,将 XSLT 1 中的所有字母转换为小写字母。
【参考方案1】:
如果您只想比较 title
并且它们完全相等,则只需使用 title
元素即可:
<?xml version="1.0" encoding="UTF-8"?>
<xsl:stylesheet
xmlns:xsl="http://www.w3.org/1999/XSL/Transform"
version="1.0">
<xsl:key name="kRowByTitle"
match="row"
use="title"/>
<xsl:template match="@* | node()">
<xsl:copy>
<xsl:apply-templates select="@* | node()"/>
</xsl:copy>
</xsl:template>
<xsl:template match="row[generate-id() != generate-id(key('kRowByTitle', title)[1])]"/>
</xsl:stylesheet>
请注意,但是在您发布的示例中,第一个和第四个 title
的字母大小写有所不同,因此您可能还需要在 XSLT 2 及更高版本中使用 lower-case
函数,或者您需要声明两个参数所有需要处理的大写和小写字母,并使用translate
。
在 XSLT 3 中它只是
<?xml version="1.0" encoding="UTF-8"?>
<xsl:stylesheet
xmlns:xsl="http://www.w3.org/1999/XSL/Transform"
version="3.0">
<xsl:key name="kRowByTitle"
match="row"
use="lower-case(title)"/>
<xsl:mode on-no-match="shallow-copy"/>
<xsl:template match="row[not(. is key('kRowByTitle', lower-case(title))[1])]"/>
</xsl:stylesheet>
【讨论】:
嘿@MartinHonnen 感谢您的回答!我在这里试过,发生的正是你所说的。您的第一个答案完全删除了标题,但不处理标题中的小写或大写。你的第二个答案,这正是我需要的,它不适合我。我收到此错误:'row[not(.is key('kRowByTitle', lower-case(title))[1])]' 上的 sintaxe 错误。你知道可能出了什么问题吗? @GuilhermeSchults,第二个示例是 XSLT 2/3,仅受 XSLT 2 或 3 处理器(如 Saxon 9 或 10 或 Saxon-JS 2 或 Saxon-C 或 XmlPrime 或 Altova XMLSpy/Raptor)支持。我没有使用 XSLT 1 更新第一个示例,因为 XPath/XSLT 1 中没有小写函数,您需要将您期望的字母存储在两个变量中,一个是所有大写字母的序列,第二个是所有小写字母的序列,然后在各处使用translate
函数转换为小写进行比较。
所以基本上更新 XSLT 1 示例需要更改 XSLT 结构,因为您可以在 XSLT 1 中使用 match
模式中的变量。也许其他人愿意说明这一点。以上是关于使用 XSLT 删除重复标记及其在 XML 中的子项的主要内容,如果未能解决你的问题,请参考以下文章