XPath 在 CALS 模型中查找跨行

Question

我正在构建一个流程来遍历大量 XML 文件，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，我无法在数据库中创建一个表架构来保存所有这些数据，只能将其存储为具有以下属性的实体：

• doc_id
• table_id
• row_id
• col_id
• col_name
• col_units
• entry_value

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，它们对直到下一个跨越发生之后的行进行“分类”。

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 中的第一行是跨式，并且在 tbody 下方有零个或多个进一步的跨式
• 类型 3。表格包含跨接但不在 tbody 的第一行

类型 3 '可以' 被视为 2 个单独的表，一个类型 1（直到第一个跨行但不包括所有行）和一个类型 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 > @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。这两种可能性都存在于现实世界的数据中。

所以我的问题仍然回到确定第一个跨骑的位置。

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"/>

但我不确定使用什么来定义键的@use 属性？

当我尝试定义第一跨变量时，我没有定义值可传递给 key() 函数？

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

如何找到第一个跨骑的位置？

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。跨行对以下行中的数据进行“分类” - 一直到下一个跨行。 @nasmest 和@nameend 属性定义了被标题跨越的列数，而不是下一个跨越之前的行数。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。

Answer 1

如果我按照这个正确（大IF），每个<entry>可以通过查看找到其对应的类别：

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

[编辑 ----------------------------------
澄清一下：这是从entry 的上下文中调用的。阅读如下：
1.上去家长row;
2. 在具有entry 且具有namest 属性的同一父tbody 中向后查找最近的row；
3.获取步骤2中找到的row的entry的hd4元素的值。
------------------ ------------------------- ]

但是，这似乎还不够； <entry> 还需要检查其在父行中的位置是否在 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，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>

我们会得到错误的结果（形状），因为我们查找了前面的第一个“跨越” - 而我们应该查找了适用于列 # 的前面的第一个“跨越” 2.