0

我正在构建一个处理大量 XML 文件的过程，查找 CALS 模型表（大多数文件至少包含一个），然后将表格数据存储回数据库。在第一种情况下，这些表中的许多表会有不同的结构，但我想使用数据库来分析结构的共性。我在下面列出了来自示例文件的（不完整的）摘录。

   <table frame="none">
        <tgroup cols="6" colsep="0" rowsep="0">
            <colspec colname="1" colnum="1" colwidth="127pt" align="center"/>
            <colspec colname="2" colnum="2" colwidth="39pt" align="center"/>
            <colspec colname="3" colnum="3" colwidth="30pt" align="center"/>
            <colspec colname="4" colnum="4" colwidth="33pt" align="center"/>
            <colspec colname="5" colnum="5" colwidth="33pt" align="center"/>
            <colspec colname="6" colnum="6" colwidth="87pt"/>
            <thead>
                <row valign="bottom">
                    <entry align="center">Product</entry>
                    <entry>SKU</entry>
                    <entry>Length</entry>
                    <entry>Depth</entry>
                    <entry align="center">Weight</entry>
                    <entry align="center">Remarks</entry>
                </row>
                <row valign="bottom">
                    <entry></entry>
                    <entry></entry>
                    <entry>(m)</entry>
                    <entry>(m)</entry>
                    <entry align="center">(kg) </entry>
                    <entry align="center"> </entry>
                </row>
            </thead>
            <tbody>
                <row>
                    <entry align="left" namest="1" nameend="6"><hd4>Whites</hd4></entry>
                </row>
                <row>
                    <entry>Albion</entry>
                    <entry>12345</entry>
                    <entry>398</entry>
                    <entry>15.5</entry>
                    <entry> </entry>
                    <entry>N/A </entry>
                </row>
                <row>
                    <entry>Rotorua</entry>
                    <entry>12346</entry>
                    <entry>398</entry>
                    <entry>15.5</entry>
                    <entry> </entry>
                    <entry> </entry>
                </row>
                <row>
                    <entry>Quintep</entry>
                    <entry>12347</entry>
                    <entry>398</entry>
                    <entry>15.5</entry>
                    <entry> </entry>
                    <entry> </entry>
                </row>

由于我知道在此过程中会遇到不同的结构，因此除了将其存储为具有以下属性的实体之外，我无法在数据库中创建将保存所有这些数据的表模式：

  • doc_id
  • table_id
  • row_id
  • col_id
  • col_name
  • col_units
  • 入口值

这将允许我将字符串和数值存储为字符串。

在某些情况下，需要的附加属性是上面示例中跨行行中定义的“类别”，位于 tbody/row[1]。在这里，原始文档创建者添加了一个跨越来对紧随其后的行进行分类：

<row>
    <entry align="left" namest="1" nameend="6"><hd4>Whites</hd4></entry>
</row>

这些跨行给我带来了一些困难。在它们出现的地方，它们对后面的行进行“分类”，直到出现下一个跨越。

我最初的文档分析表明，与这些跨式相关的表结构有多种可能的“类型”：

  • 类型 1. 表格中不出现跨式 - 简单且易于处理
  • 类型 2. tbody 中的第一行是一个跨式，并且在 tbody 下方有零个或多个进一步的跨式
  • 类型 3. 表包含跨接但不在 tbody 的第一行

类型 3“可以”被视为 2 个单独的表，类型 1 之一（所有行直到但不包括第一个跨行）和类型 2（从第一个跨行向前的所有行）

所以看来解决这个处理问题的关键是确定第一个跨接的位置，将跨接之前的所有内容（零行或多行）视为Type1，并将跨接前的所有内容视为Type 2。

但是我在确定第一个跨骑的位置时遇到了一些困难。我对 1st straddle 的定义——用 Xpath 术语来说——是

tbody/row[entry [@nameend &gt; @namest]][1]

这允许跨式并不总是从第 1 列键入，并且并不总是延伸到最后一列。这两种可能性确实存在于现实世界的数据中。

所以我的问题仍然可以追溯到确定第一跨的位置。

此页面上列出了许多类似的解决方案 http://www.dpawson.co.uk/xsl/sect2/flatfile.html#d5010e13

但是我很难将它们应用到我的实例中。

这样的事情可能会奏效

<xsl:key name="straddles" match="row[entry[@nameend &gt; @namest]]" use="entry/@namest"/>

但我不确定用什么来定义键的@use 属性？

当我尝试定义一个第一跨变量时，我没有定义值传递给 key() 函数？

<xsl:variable name="first-straddle" select="table/tgroup/tbody/row[generate-id() = generate-id(key('straddles',?????))]"/>

如何找到第一个跨栏的位置？

提前致谢

附加说明： ![在浏览器中呈现的示例表的屏幕截图] https://dl.dropboxusercontent.com/u/5065004/Screen%20Shot%202014-02-25%20at%2013.54.08.png 上面的屏幕截图显示了在浏览器中呈现的示例表。跨行“分类”以下行中的数据 - 一直到下一个跨行。@nasmest 和@nameend 属性定义标题跨接的列数，而不是下一个跨接前的行数。后一个值是标记中的 IMPLICIT 并且是我正在搜索的 XPath 语句。前者 - 跨列 - 在标记中是明确的。

4

1 回答 1

0

如果我正确地遵循了这一点（大 IF），每个<entry>人都可以通过查看以下内容找到其对应的类别：

<xsl:value-of select="parent::row/preceding-sibling::row[entry[@namest]][1]/entry/hd4"/>

[编辑 ----------------------------------
澄清一下：这是从entry. 阅读如下：
1. 上到父母那里row；
2.向后row查找在同一个父级中最近的tbody一个entry具有一个namest属性的父级；
3.获取第2步找到的hd4元素的entry值。-------------------------------- ---------- ]row

但是，这似乎还不够；还需要检查其在父行中的<entry>位置是否在 namest 和 nameend 属性设置的范围内？如果这是正确的，那么它提出了另一个问题：是否有可能有两个共存的“跨界”？例如，第 1 到 3 列的一个类别，而第 5 到 6 列的另一个类别？

编辑

请检查以下示例：

<tbody>
    <row>
        <entry namest="1" nameend="3"><hd4>Colors</hd4></entry>
    </row>
    <row>
        <entry>Red</entry>
        <entry>Green</entry>
        <entry>Blue</entry>
    </row>
    <row>
        <entry>Black</entry>
        <entry>White</entry>
    </row>
    <row>
        <entry>Cyan</entry>
        <entry>Magenta</entry>
        <entry>Yellow</entry>
        <entry>Widget(not a color)</entry>
    </row>
    <row>
        <entry namest="4" nameend="5"><hd4>Shapes</hd4></entry>
    </row>
    <row>
        <entry>Brown</entry>
        <entry>Pink</entry>
        <entry>Golden</entry>
        <entry>Circle</entry>
    </row>
    <row>
        <entry>Azure</entry>
        <entry>Grey</entry>
        <entry>Orange</entry>
        <entry>Square</entry>
        <entry>Triangle</entry>
        <entry>Gadget(neither a color nor a shape)</entry>
    </row>
</tbody>

如果我理解正确，第二个“跨越”不会取代第一个，而是补充。因此，如果我们现在尝试从以下上下文应用上述 xPath：

<entry>Pink</entry>

我们将得到错误的结果（形状），因为我们查找了前面的第一个“跨越” - 而我们应该查找适用于列 #2的第一个前面的“跨越” 。

于 2014-02-25T10:14:29.723 回答