主页 / user-20287183

HangarRash's questions

Martin Hope
HangarRash
Asked: 2024-05-06 00:26:08 +0800 CST
  • 5

我正在尝试从较大的文件中提取一些 HTML 的子集，然后对结果执行一些转换。我已经取得了一些进展，但我还缺少一两部分来使这项工作按预期进行。

这是我想要转换的 XHTML 的一个大大简化的版本：

<html>
<head>
<!-- lots of stuff I don't care about -->
</head>
<body>
<div>
  <!-- lots of stuff I don't care about -->
  <div>
     <!-- lots of stuff I don't care about -->
     <div id="key_div">
         <div id="ignore_this">
           <!-- lots of stuff I don't care about -->
         </div>
         <p>More junk I don't want</p>
         <p>Even more junk I don't want</p>
         <h2><span class="someClass" id="someID">Header</span></h2>
         <p>Stuff I want to keep</p>
         <!-- A lot of stuff I want to keep -->
         <p>More stuff I want to keep</p>
         <ul>
           <li><a href="/some/old/path">Fun Place</a></li>
           <li><a href="/some/old/other">Better Place</a></li>
         </ul>
     </div>
     <!-- lots of stuff I don't care about -->
  </div>
  <!-- lots of stuff I don't care about -->
</div>
</body>
</html>

我想通过 of 中的其余内容提取标签中<h2>的所有内容。但我也想把 改成更简单的，我需要修改列表中的 s 。最终结果应如下所示：<div>id"key_div"<h2><h1>href

<html>
<head>
<!-- My own header stuff -->
</head>
<body>
 <h1>Header</h1>
 <p>Stuff I want to keep</p>
 <!-- A lot of stuff I want to keep -->
 <p>More stuff I want to keep</p>
 <ul>
   <li><a href="/new/path">Fun Place</a></li>
   <li><a href="/new/other">Better Place</a></li>
 </ul>
</body>
</html>

通过使用以下 XSL，我能够完成大部分基本提取，而无需进行任何所需的转换：

<xsl:stylesheet version="1.0"
 xmlns:xsl="http://www.w3.org/1999/XSL/Transform"
 xmlns:x="http://www.w3.org/1999/xhtml"
 exclude-result-prefixes="x">
 <xsl:output indent="yes" encoding="utf-8"/>

 <xsl:template match="/">
  <html>
   <head>
     <title>My Title</title>
   </head>
   <body>
    <xsl:apply-templates/>
   </body>
  </html>
 </xsl:template>

 <xsl:template match="div[@id='key_div']/*">
  <xsl:copy-of select="."/>
 </xsl:template>

 <xsl:template match="div[@id='ignore_this']"/>

 <xsl:template match="text()"/>
</xsl:stylesheet>

这导致：

<html>
<head>
<meta http-equiv="Content-Type" content="text/html; charset=utf-8">
<title>My Title</title>
</head>
<body>
<p>More junk I don't want</p>
<p>Even more junk I don't want</p>
<h2><span class="someClass" id="someID">Header</span></h2>
<p>Stuff I want to keep</p>
<p>More stuff I want to keep</p>
<ul>
           <li><a href="/some/old/path">Fun Place</a></li>
           <li><a href="/some/old/other">Better Place</a></li>
         </ul>
</body>
</html>

我不知道如何删除之前的东西<h2>。

我不知道如何转变<h2><span class="someClass" id="someID">Header</span></h2>为<h1>Header</h1>或如何转变s href。我将转换与提取结合起来的所有尝试通常都以没有内容而告终。

我还需要执行一些其他转换，但现在我将重点关注这个示例以帮助我开始。我提到它是为了任何可能的答案都不会阻止任何其他可能的转换。

html