xslt-3.0 - 从 xml 文件中提取某种语言的单词
问题描述
给定以下 xml(当然包含许多记录),
我想从中输出唯一值,并生成一个报告,其中包含找到每个单词的记录。
<collection>
<record>
<controlfield tag="001">1</controlfield>
<datafield tag="200" ind1="1" ind2=" ">
<subfield code="a">Metafore po</subfield>
<subfield code="e">Δοκίμια</subfield>
<subfield code="f">Περικλής αρχαία Ελλάδα</subfield>
</datafield>
<datafield tag="210" ind1="|" ind2="|">
<subfield code="a">Η Αθήνα</subfield>
<subfield code="c">Νοέμβριος</subfield>
<subfield code="d">1999</subfield>
</datafield>
<datafield tag="215" ind1=" " ind2=" ">
<subfield code="a">263 s.</subfield>
</datafield>
<datafield tag="606" ind1="|" ind2=" ">
<subfield code="3">250000087120140311174609</subfield>
<subfield code="a">Πλάτων ιστορία</subfield>
</datafield>
<datafield tag="700" ind1=" " ind2="1">
<subfield code="3">200000000120140228092156</subfield>
<subfield code="4">070</subfield>
<subfield code="a">Liper</subfield>
<subfield code="b">Berit von der</subfield>
</datafield>
</record>
<record>
<controlfield tag="001">here text may also exist</controlfield>
<datafield tag="200" ind1="1" ind2=" ">
<subfield code="a">Metafore po</subfield>
<subfield code="e">Δοκίμια</subfield>
<subfield code="f">Περικλής</subfield>
</datafield>
</collection>
所需的输出(xml 格式,或任何更容易实现的)
Δοκίμια: 1, here text may also exist
Περικλής: 1, here text may also exist
αρχαία: 1
Η: 1
等等...我尝试过的正则表达式:/[Α-Ωα-ω]{1,}/
解决方案
看来您可以将其视为分组问题:
<xsl:template match="collection">
<xsl:where-populated>
<ul>
<xsl:for-each-group select="record" group-by="datafield/subfield!tokenize(., '\s')[matches(., '\p{IsGreek}')]">
<li>
{current-grouping-key()} : <xsl:value-of select="current-group()/controlfield" separator=", "/>
</li>
</xsl:for-each-group>
</ul>
</xsl:where-populated>
</xsl:template>
https://xsltfiddle.liberty-development.net/gWmuiKi/1输出
<ul>
<li>
Δοκίμια : 1, here text may also exist
</li>
<li>
Περικλής : 1, here text may also exist
</li>
<li>
αρχαία : 1
</li>
<li>
Ελλάδα : 1
</li>
<li>
Η : 1
</li>
<li>
Αθήνα : 1
</li>
<li>
Νοέμβριος : 1
</li>
<li>
Πλάτων : 1
</li>
<li>
ιστορία : 1
</li>
</ul>
那样。
当然,由于标点符号和语言特定规则,在大多数文本和语言中,通过简单地标记空白来识别“单词”将失败。但是 XSLT/XPath/XQuery 正则表达式无论如何都没有分词元字符,因此必须以某种方式使用标记化或分析字符串。
推荐阅读
- python - How to use 'Polyline'
- arrays - CastError:路径“_id”处的值“xxx”转换为 ObjectId 失败
- kotlin - Kotlin/Native Basic Image manipulation
- amazon-web-services - 基于 AWS 中主机的传出规则
- php - 正在从 productcolours 表中获取颜色 ID,但如何从颜色表中获取颜色名称
- python - 无法写入 jupyter 服务器中的文件
- php - How to Add Order Number, Order Date and Hour in a Woocommerce Email Template
- c# - 第三方 dll 中的 C# 回调函数是否正确实现?
- sql - SQLExceptionHelper Invalid Input syntax for integer (PL/pgSQL)
- angular - npm-run-all 与 ng build --watch