使用 XSLT 转换 XML 时保留实体引用？

Question

使用 XSLT (2.0) 转换 XML 时如何保留实体引用？对于我尝试过的所有处理器，默认情况下都会解析实体。我可以使用 xsl:character-map 来处理字符实体，但是文本实体呢？

例如，此 XML:

<!DOCTYPE doc [
<!ENTITY so "stackoverflow">
<!ENTITY question "How can I preserve the entity reference when transforming with XSLT??">
]>
<doc>
  <text>Hello &so;!</text>
  <text>&question;</text>
</doc>

使用以下 XSLT: 进行转换

<xsl:stylesheet version="2.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform">
  <xsl:output indent="yes"/>
  <xsl:strip-space elements="*"/>

  <xsl:template match="node()|@*">
    <xsl:copy>
      <xsl:apply-templates select="node()|@*"/>
    </xsl:copy>
  </xsl:template>

</xsl:stylesheet>

会产生以下输出：

<doc>
   <text>Hello stackoverflow!</text>
   <text>How can I preserve the entity reference when transforming with XSLT??</text>
</doc>

输出应该类似于输入（暂时减去 doctype 声明）：

<doc>
  <text>Hello &so;!</text>
  <text>&question;</text>
</doc>

我希望我没有通过用 & 替换所有＆符号（如 &question;）来预处理输入，然后通过替换所有符号来后处理输出& 与 &。

也许这是特定于处理器的？我正在使用 Saxon 9。

谢谢！

Answer 1

如果您知道将使用哪些实体以及如何定义它们，则可以执行以下操作（相当原始且容易出错，但仍然比没有好）：

<xsl:stylesheet version="2.0"
 xmlns:xsl="http://www.w3.org/1999/XSL/Transform"
 xmlns:xs="http://www.w3.org/2001/XMLSchema"
 xmlns:my="my:my">
 <xsl:output omit-xml-declaration="yes" indent="yes"/>

 <xsl:character-map name="mapEntities">
  <xsl:output-character character="&" string="&"/>
 </xsl:character-map>

 <xsl:variable name="vEntities" select=
 "'stackoverflow',
 'How can I preserve the entity reference when transforming with XSLT\?\?'
 "/>

 <xsl:variable name="vReplacements" select=
 "'&so;', '&question;'"/>

 <xsl:template match="node()|@*">
  <xsl:copy>
   <xsl:apply-templates select="node()|@*"/>
  </xsl:copy>
 </xsl:template>

 <xsl:template match="/">
  <xsl:text disable-output-escaping="yes"><![CDATA[<!DOCTYPE doc [ <!ENTITY so "stackoverflow">
<!ENTITY question
"How can I preserve the entity reference when transforming with XSLT??"> ]>
]]>
  </xsl:text>

  <xsl:apply-templates/>
 </xsl:template>

 <xsl:template match="text()">
  <xsl:value-of select=
  "my:multiReplace(.,
                   $vEntities,
                   $vReplacements,
                   count($vEntities)
                   )
  " disable-output-escaping="yes"/>
 </xsl:template>

 <xsl:function name="my:multiReplace">
  <xsl:param name="pText" as="xs:string"/>
  <xsl:param name="pEnts" as="xs:string*"/>
  <xsl:param name="pReps" as="xs:string*"/>
  <xsl:param name="pCount" as="xs:integer"/>

  <xsl:sequence select=
  "if($pCount > 0)
     then
      my:multiReplace(replace($pText,
                              $pEnts[1],
                              $pReps[1]
                              ),
                      subsequence($pEnts,2),
                      subsequence($pReps,2),
                      $pCount -1
                      )
      else
       $pText
  "/>
 </xsl:function>
</xsl:stylesheet>

当应用于提供的 XML 时文档：

<!DOCTYPE doc [ <!ENTITY so "stackoverflow">
<!ENTITY question
"How can I preserve the entity reference when transforming with XSLT??"> ]>
<doc>
    <text>Hello &so;!</text>
    <text>&question;</text>
</doc>

产生了想要的结果：

<!DOCTYPE doc [ <!ENTITY so "stackoverflow">
<!ENTITY question
"How can I preserve the entity reference when transforming with XSLT??"> ]>

  <doc>
      <text>Hello &so;!</text>
      <text>&question;</text>
</doc>

请注意：

1. 替换中的特殊（RegEx）字符必须进行转义。

2. 我们需要解析为 DOE，但不建议这样做，因为它违反了 XSLT 架构和处理模型的原则 - 换句话说，这个解决方案是一个令人讨厌的 hack。

Answer 2

如果您使用的是 S1000D 之类的设备，这可能是一个特别麻烦的问题。它使用实体和 @boardno 属性链接到图形。这是对 SGML 根源的回归。

由于这种自动实体扩展行为是正确但不可取的，因此在使用 S1000D 作为输入时，我经常不得不使用 sed、awk 和批处理脚本等工具来管理某些数据分析任务。

恕我直言，这将是对即将推出的 XSLT 规范之一的重大更改提案，兼容的处理器接受可以打开和关闭实体扩展的运行时参数。

Answer 3

如果您使用 XSLT 2.0 处理器的 Java 实现（例如 Saxon 9 Java），您可能需要检查 http://andrewjwelch .com/lexev/ 可以帮助您，您可以使用实体和字符引用预处理 XML，这样可以将它们标记为 XML 元素，然后您可以根据需要进行转换。

Answer 4

我使用这个解决方案并且效果很好：

<xsl:variable name="prolog" select="substring-before(unparsed-text(document-uri(.)),'<root')"/>

<xsl:template match="/">
    <xsl:value-of select="$prolog" disable-output-escaping="yes"/>
  <xsl:apply-templates/>
</xsl:template>

Answer 5

您可以使用 DOM LS 解析器并将“entities”参数设置为 true，将 EntityReference 节点保留在文档中。
http://docs.oracle.com/javase /6/docs/api/org/w3c/dom/DOMConfiguration.html

规范表示默认值是 true，但根据解析器，它可能是 false，请注意这一点。

要加载 Xerces：

DOMImplementationLS domImpl = new org.apache.xerces.dom.CoreDOMImplementationImpl();

您也可以使用注册表，如下所示，但就我个人而言，我宁愿像上面那样对我想要的实现进行硬编码：

DOMImplementationRegistry registry = DOMImplementationRegistry.newInstance();
DOMImplementationLS domImpl = (DOMImplementationLS) registry.getDOMImplementation("XML 3.0 LS 3.0"); 

然后，加载您的文档：

// XML parser with XSD schema 
LSParser parser = domImpl.createLSParser(DOMImplementationLS.MODE_SYNCHRONOUS, "http://www.w3.org/2001/XMLSchema");
DOMConfiguration config = parser.getDomConfig();
config.setParameter("entities", true);
LSInput input = impl.createLSInput();
Document lDoc = parser.parse(your XML stream);

然后，您的 XML 实体不会在 DOM 中扩展。

然后，由于 SAXON 不处理未扩展的实体（“DOM 中不支持的节点类型！5”错误），因此无法使用 net.sf.saxon.xpath.XPathFactoryImpl，必须设置默认值Xerces 的 XPathFactory 与 XPathFactory.newInstance()