html - 将最后一个空间从混合内容节点移动到外部节点

Question

我有大量由 MS Word 创建的 HTML 文件。我正在尝试操纵这些文件的内容以提取数据和诸如此类的东西。

HTML 段落包含混合内容，我发现斜体或粗体字后的空格通常也是斜体。当我稍后 normalize-space() 时，空间被剥离并且单词被连接起来，不应该被连接起来。

<p>Some text here and some <i>italicized </i>text here.</p>

后来的改造导致这个变成

<p>Some text here and some <i>italicized</i>text here.</p>

(我有点简化了事情。)

我想结束

<p>Some text here and some <i>italicized</i> text here.</p>

我想识别元素内的最后一个节点是以空格结尾的文本节点的情况，去除尾随空格，并在元素后添加一个空格。

我想我可以拼凑一些东西，但 XQuery 越来越麻烦，我不得不想有更简单的方法。 (可能没有，但如果我不问我就傻了......)

XSLT, finding out if last child node is a specific element看起来很接近，但并不十分接近。

Answer 1

<?xml version="1.0" encoding="UTF-8"?>
<xsl:stylesheet xmlns:xsl="http://www.w3.org/1999/XSL/Transform"
version="1.0">

  <xsl:template match="@*|node()">
      <xsl:copy>
          <xsl:apply-templates select="@*|node()"/>
      </xsl:copy>
  </xsl:template>

  <!--Match the elements who's last child node is a text() node 
      that ends with a space. -->
  <xsl:template match="*[node()[last()]
                               [self::text()[substring(.,string-length())=' ']]]">
      <xsl:copy>
          <xsl:apply-templates select="@*|node()"/>
      </xsl:copy>
      <!--add the extra space following the matched element-->
      <xsl:text> </xsl:text>
  </xsl:template>

  <!--Match the text() node that is the last child node of an element 
      and ends with a space -->
  <xsl:template match="*/node()[last()]
                               [self::text()[substring(., string-length())=' ']]">
      <!--remove the trailing space-->
      <xsl:value-of select="substring(., 0, string-length())"/>
  </xsl:template>

</xsl:stylesheet>