xslt2.0 正则表达式

转载地址： http://electiger.blog.51cto.com/112940/19416
<xsl:analyze-string>是XSLT2.0新增的指令，语法：

<xsl:analyze-string select="xpathExpression" regex="regExpression" flags="flag">

该指令的主要用途为分析字符串。select属性用于指定要分析的字符串，即inputString。

regex指定分析规则－－正则表达式。

<xsl:analyze-string>可能包含如下内容元素（子元素）：

1，<xsl:matching-substring>

          <!---some instruction-->

      </xsl:matching-substing>  

用于指定符合正则表达式的子字符串所要执行的动作。

2，<xsl:non-matching-substring>

         <!---some instruction-->

      </xsl:non-matching-substring>

用于指定不符合正则表达式的子字符串所要执行的动作。

 

<xsl:analyze-string>的执行过程为：首先将输入字符串按照正则表达式分割成若干子字符串。然后依次对每个子字 符串进行操作：如果子字符串符合正则表达式，那么就执行<xsl:matching-substring>指令（如果存在该指令的话）；如果 不符合正则表达式，那么就执行<xsl:non-matching-substring>指令（如果存在该指令的话）。

举例来说

<xsl:analyze-string select="abcd1234efg7890" regex="[a-z]+">

        <xsl:matching-substring>

             <!---some instructions-->

        </xsl:matching-substring>

        <xsl:non-matching-substring>

             <!---some instructions-->

        </xsl:non-matching-substring>

</xsl:analyze-string>

首先输入字符串按正则表示被分为四个子字符串－－abcd，1234，efg，7890。

接着执行的指令为abcd(matching-instruction)－－>1234(non-matching- instruction)－－>efg(matching-instruction)－－>7890(non-matching- instruction)。

下面举个具体的例子。

XML源文件：

< ?xml version="1.0"? >
< root >
    < branch >2500ppoabcuv12405tyuvirk < /branch >
< /root >
XSLT文件：

< ?xml version='1.0'? >
< xsl:stylesheet version= "2.0" xmlns:xsl= "http://www.w3.org/1999/XSL/Transform" >
< xsl:template match= "/" >
     < xsl:variable name= "regex" select= "'/d{4}'" / >
     < xsl:analyze-string select= "root/branch" regex= "{$regex}" >
          < xsl:matching-substring >
              < digits >< xsl:value-of select= "." / >< /digits >
          < /xsl:matching-substring >
          < xsl:non-matching-substring >
             < word >< xsl:value-of select= "." / >< /word >
          < /xsl:non-matching-substring >
     < /xsl:analyze-string >
< /xsl:template >
< /xsl:stylesheet >

转换结果：

< digits >2500 < /digits >

< word >ppoabcuv < /word >

< digits >1240 < /digits >

< word >5tyuvirk < /word >

如果将regex的属性直接写成：regex="/d{4}"，我们得到的输出结果是：

< word >2500ppoabcuv1 < /word >

< digits >24 < /digits >

< word >05tyuvirk < /word >

跟正确的结果不符，这是为什么呢？

这是因为在一个非xpath expression中大括号(curly brackets)括起来的内容表示xpath expression。所以，直接写成regex="/d{4}"时，真实的正则表达式变成了/d4。

要想得到/d{4}，正则表达式需要写成regex="/d{{4}}"。

在XSLT中一般认为存在两种表示式，一种是xpath表达式，另一种是非xpath表达式。

用select属性指定的表达式一般是xpath表达式。例如：select="root/branch"，表示root下的所有branch节点；但href="root/branch"则表示字符串root/branch。

在xpath表达式中不能使用大括号(curly brackets)。

在非xpath表达式中则需要使用大括号(curly brackets)来引用xpath表达式。

大括号在非xpath表达式中的使用一般有如下几种情况：

1，引用节点或属性

{a}， {@a}

2，引用变量

{$var}

3，引用字符串

{'#abc'}

4，引用数字

{1}

5，{{expression}}这种形式，表示{expression}字符串。


转载地址： http://electiger.blog.51cto.com/112940/19722

其实，正则表达式是XPATH2.0定义的，暂且放在XSLT里说吧。

还是举例来说正则表达式的用法吧。

XML源文件任意，XSLT文件：

< ?xml version='1.0'? >
< xsl:stylesheet version= "2.0" xmlns:xsl= "http://www.w3.org/1999/XSL/Transform"
            xmlns:xs= "http://www.w3.org/XMLSchema" >
< xsl:template match= "/" >
     < xsl:variable name= "file" select= "'aa.txt'" / >
     < xsl:variable name= "string" select= "unparsed-text($file,ISO-8859-1)" / >
     < xsl:analyze-string select= "$string" regex= "/n" >
         < xsl:non-matching-substring >
             < row >
             < xsl:analyze-string select= "." regex= '("([^"]*)")|([^,]+)' >
                 < xsl:matching-substring >
                     < cell >
                     < xsl:value-of select= "regex-group(2)" / >
                     < xsl:value-of select= "regex-group(3)" / >
                     < /cell >
                 < /xsl:matching-substring >
             < /xsl:analyze-string >
             < /row >
         < /xsl:non-matching-substring >
     < /xsl:analyze-string >
< /xsl:template >
< /xsl:stylesheet >

摘自XSLT2.0 porgrammer's reference(稍有改动)。

aa.txt的内容：

123,"Mary Jones","IBM","USA",1997-05-14
423,"Barbara Smith","General Motors","USA",1996-03-12
6721,"Martin McDougall","British Airways","UK",2001-01-15
830,"Jonathan Perkins","Springer Verlag","Germany",2000-11-17
得到输出结果：

< ?xml version='1.0' ? >
< row xmlns:xs= "http://www.w3.org/XMLSchema" >

         < cell >123 < /cell >

         < cell >Mary Jones < /cell >

         < cell >IBM < /cell >

         < cell >USA < /cell >

         < cell >1997-05-14 < /cell >

< /row >

< row xmlns:xs= "http://www.w3.org/XMLSchema" >

        < cell >423 < /cell >

        < cell >Barbara Smith < /cell >

         < cell >General Motors < /cell >

        < cell >USA < /cell >

        < cell >1996-03-12 < /cell >

< /row >

< row xmlns:xs= "http://www.w3.org/XMLSchema" >

        < cell >6721 < /cell >

        < cell >Martin McDougall < /cell >

        < cell >British Airways < /cell >

        < cell >UK < /cell >

        < cell >2001-01-15 < /cell >

< /row >

< row xmlns:xs= "http://www.w3.org/XMLSchema" >

        < cell >830 < /cell >

       < cell >Jonathan Perkins < /cell >

        < cell >Springer Verlag < /cell >

        < cell >Germany < /cell >

        < cell >2000-11-17 < /cell >

< /row >

我们可以看到寻找与regex匹配的字符串的过程是：首先从input的第一个字符开始，看能否找到，如果找到了，那么就截取该匹配字符，然后从后面的字符开始，再次寻找，如果未找到，就将第一个字符确定为不匹配字符，然后从第二个字符开始寻找，一直到查找完所有字符。

原来的XSLT文件正则表达式匹配的模式为：

<xsl:analyze-string select="," regex='("([^"]*?)")|([^,]+?),'>

* 后面跟一个问号（?），代表非贪婪原则。意思是，一旦找到类似"xxxxx"形式的字符串就认定为匹配字符串。但是在这里没有必要，因为中间的xxxx不 能为"（双引号），也就防止了出现贪婪的"xxx""xxxx"xxx"的形式。也算是对大师提出的一个疑问吧。呵呵。