html - 如何使用 XSL 从 html 中提取标题和描述等元数据

Question

我是 XSL 的新手。我想从我的 HTML 中提取两个值(标题和描述)。这就是我的 HTML 的样子

...
    tbody id="_tableBody">
    <tr id="tcm:526-94999" class="alt-rowcolor" style="display: table-row;">
    <th class="heading" scope="row" style="display: table-cell;">
    <a onclick="displayAgreementPDFPopIn('202', 'ddctable-526-93813', 'Link_1382596320857', '540', 'false')" href="javascript:void(0)">529 Plan – Investment Instructions</a>
    </th>
    <td class="description" style="display: table-cell;">Change how your future contributions are invested or make an exchange of the contributions and earnings currently invested in your 529 college savings plan.</td>
    </tr>
...

例如，我想要

<title> 529 Plan – Investment Instructions</title>
<description> Change how your future contributions are invested or make an exchange of the contributions and earnings currently invested in your 529 college savings plan </description>

这是元素的 XPATH:

/html/body/div[2]/div[4]/div[4]/table/tbody/

我在这个路径下有所有其他的标题和描述。我为此转换创建了以下 XSL。

<xsl:template match="/">
    <xsl:apply-templates select="/html/body/div[2]/div[4]/div[4]/table/tbody" />
</xsl:template>
<xsl:template match="tbody">
  <xsl:call-template name="PDF_metadata">
        </xsl:call-template>
</xsl:template>
<xsl:template name="PDF_metadata">
  <xsl:variable name="title" select="/tr/th/a">
  <xsl:variable name="description" select="/tr/th/td"/>
   <xsl:attribute name="title">
      <xsl:value-of select="$title" />
    </xsl:attribute>
    <xsl:attribute name="description">
      <xsl:value-of select="$description" />
</xsl:template>

这是使用 XSL 的正确方法吗？我这样做对吗？任何帮助将不胜感激。

Answer 1

我认为您将上一个模板过于复杂化了。未经测试，但我认为这更接近您想要的:

<xsl:template name="PDF_metadata">
  <title>
     <xsl:value-of select="tr/th/a" />
  </title>
  <description>
     <xsl:value-of select="tr/td" />
  </description>
</xsl:template>

---

更新

使用在线 XSLT 测试器。这应该适合你；它用一个简单的模板替换了所有 3 个模板。

<xsl:template match="//tbody[@id='_tableBody']">
  <title>
   <xsl:value-of select="tr/th/a" />
  </title>
  <description>
   <xsl:value-of select="tr/td" />
  </description>
</xsl:template>

解释:

//tbody找到任何 <tbody/>根节点下的节点。不管它嵌套多深，或者它在内部的什么位置 <div/>标签等。但是可以有不止一个，所以 ...

//tbody[@id='_tableBody'] ...只匹配<tbody/>具有属性 id='_tableBody' .自 id属性必须是唯一的，只能有一个。

在<xsl:value-of select="..." /> , 我们已经在 <tbody/>节点。要获得标题，我们不想使用 /tr/th/a 从文档的根目录开始搜索... 仅来自当前节点(<tbody/> 节点)，使用 tr/th/a (注意开头缺少 /)。描述同上。