使用 XSLT 2.0 为内容添加结构和语义.pdfVIP

页码，1/ 15 使用 XSLT 2.0 为内容添加结构和语义 非结构化的叙述性内容转换为结构化的、具有丰富特性的 XML Priscilla Walmsley, 常务董事, Datypic 简介： 当您将现有内容转换为电子书格式、DITA 或其他结构化标准时， 需要推断结构并将该结构添加到您的文档 中。XSLT 2.0 的高级正则表达式和分组功能使其成为用于转换和增强内容的一门优秀语言。当您将非结构化或半结构化 叙述性内容转换为更好地结构化的词汇并查看几个 见场景时，就会发现一些最有用的 XSLT 2.0 特性。 发布日期：2011 年 8 月 23 日 级别： 中级 原创语言：英文 过去，叙述性内容进行了标记，用于表示内容的外观 （例如，字体大小或文本对齐方式），而不是其真实的结构或含 义。这种方法非 适用于图书印刷、办公文档以及许多 Web 页面的内容。一些叙述性内容根本没有进行标记，而是以 纯文本段落形式呈现。 常用缩略语 l CSS：级联样式表 l DITA ：达尔文信息类型体系结构 l HTML：超文本标记语言 l XHTML：可扩展 HTML l XML：可扩展标记语言 l XSLT：可扩展样式表语言转换 随着内容管理、电子发布、高级搜索和查询技术的出现，内容所有者现在已认识到结构化信息的威力，并使用相应的方 式来标记他们的新内容。但是，许多人仍然存留有旧的内容，这些内容是非结构化或半结构化的，或只为了演示目的而 进行标记。 为了令现有内容更 可读性，可为其添加结构，从而使您能够： l 分别对多个输出设备 （如智能手机、电子书阅读器和替代 Web 浏览器）的内容进行样式化 l 实现与某些种类的文本（比如文档内部或文档之间的引用中的超链接，或用于地址的弹出指示）有关的交互式 行为 l 生成内容的替代表示，如内容表、索引和摘要视图 l 根据内容中的字段提供更受专注的搜索 l 确保整个内容正文 有更一致的格式 l 改进对内容的检验，例如，确定某个法律文档中的文档内部引用是否有效 使用 XSLT 2.0 XSLT 2.0 是一种适应性很强的技术，可用于为叙述性内容添加结构。人们越来越多地使用 XML 或易于转化为 XML 的 格式 （如HTML）来表示叙述性内容。与其他一些用于处理文本的流行脚本语言不同的是，XSLT 完全支持 XML。它理 解 XML 语法、编码和名称空间的许多变体。 XSLT 同样适用于叙述性内容，因为它提供了很好的灵活性。使用模板规则处理输入文档中的各种事件意味着会话可以 页码，2/ 15 是由内容驱动的，而不是严格按照顺序控制。 与专注于 XML 样式化的 XSLT 1.0 不同，XSLT 2.0 提供了一些用于转换内容的高级功能，这些功能可以实现以下操 作： l 过正则表达式来确定文本中的模式 l 按照值或位置对元素进行分组 l 一个样式表一个文档地多次传递文档 l 将一个文档分割成多个文档，或将多个文档组合成一个文档 要使用 XSLT ，第一步是将内容转换为 XML 形式。大多数文档编辑器和其他内容工 都有 XML 导出功能。根据所使 用的工 ，XML 很可能非 复杂，因此第一步是将 XML 转换为一种简便形式，以便更容易处理它。 如果是从 HTML 进行转换，HTML Tidy （参见 参考资料 中的链接）会将您的 HTML 转换为 XHTML，可以将 XHTML 作为 XSLT 的输入，因为它是一种格式良好的 XML。它还简化了您的文档。 回页首 技巧 本文其余部分将介绍使用 XSLT 2.0 为内容添加结构和语义的技巧，并且特别关注作为输入文档的 XHTML 和 Microsoft Office Word XML，但这些概念适用于任何叙述性输入文档。 您可以在本节中以可下载的 ZIP 文件 （参见 下载）的形式下载所有示例。对于 XSLT 2.0 处理，我建议使用 Saxon （参见 参考资料 中的链接）。 识别文本模式 识别文本中的特定模式并进行标记 十分有用。URL、电子邮件地址、电话号码、文档间引用以及 wiki 类型的格式化