我必须解析一个大的HTML文件,我只对一小部分(一个表)感兴趣.所以我考虑使用XSLT来简化/转换HTML,使其更容易处理.
我遇到的问题是找不到我的桌子.所以我不知道它是否可以使用XSL样式表解析HTML.
顺便说一句,HTML文件具有这种外观(原理图,缺少标签):
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<html id="ctl00_htmlDocumento" xmlns="http://www.w3.org/1999/xhtml" lang="es-ES" xml:lang="es-ES">
<div> some content </div>
<div class="NON_IMPORTANT"></div>
<div class="IMPORTANT_FATHER>
<div class="IMPORTANT">
<table>
HERE IS THE DATA IM LOOKING FOR
</table>
</div>
</div>
根据要求,这是我的xsl
<?xml version="1.0" encoding="UTF-8"?>
<xsl:stylesheet xmlns:xsl="http://www.w3.org/1999/XSL/Transform" version="1.0">
<xsl:template match="tbody">
tbody found, lets process it
<xsl:for-each select="tr">
new tf found, lets process it
</xsl:for-each>
</xsl:template>
</xsl:stylesheet>
完整的HTML非常大,所以我不知道如何在这里展示它...我已经在Oxygen上测试了有效的文档,它说它有效.
提前致谢.Gonso
只要您的 XHTML 文档格式正确，XML 解析器就能够读取它，因此 XSLT 引擎将能够对其进行转换。
假设，无法在文档中找到元素的最常见原因是：
xmlns="http://www.w3.org/1999/xhtml"在 XSLT 文件中声明了命名空间，带或不带前缀。如果您发布您的 XSLT，我将能够进一步发表评论。
您没有在match属性中正确使用XPath .您需要元素中的xmlns:xhtml="http://www.w3.org/1999/xhtml"属性xsl:stylesheet,然后您需要xhtml:在XPath表达式中使用前缀(您需要一个前缀; XPath不遵循默认名称空间).
在此之后,你仍然会遇到它将处理其他一切的问题.我不知道是否有更好的解决方案,但我认为你需要在tbody元素的路径上显式处理事情,比如
<xsl:template match="xhtml:html">
<xsl:apply-templates select="xhtml:body"/>
</xsl:template>
和你一样的东西body,等等,直到你的tbody比赛.
XPath还支持比上面特定子项更复杂的匹配.例如,匹配第三个子div标签可以完成
<xsl:template match="xhtml:div[3]">
并使用特定属性匹配元素
<xsl:template match="xhtml:div[@class='IMPORTANT']">
这里[]围绕一个额外的条件,需要满足元素被认为是匹配.普通数字意味着索引匹配并仅获取具有该索引的索引(索引是基于1的),@符号在属性之前,但是您可以在那里使用任意复杂的XPath,因此您可以匹配任何您想要的子结构.