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.
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.
<!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
解决方法
您没有在匹配属性中正确使用XPath.你需要在xsl：stylesheet元素中使用xmlns：xhtml =“http://www.w3.org/1999/xhtml”属性,然后你需要在XPath表达式中使用xhtml：前缀(你需要一个前缀; 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>
对于身体等同样的事情,直到你得到你的tbody匹配.
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[]包含一个额外的条件,需要满足该元素才能被视为匹配.普通数字意味着索引匹配并只获取具有该索引的索引(索引是基于1的),@符号位于属性之前,但是您可以在那里使用任意复杂的XPath,因此您可以匹配很多你想要的任何子结构.
