如何取消对HTML的浏览，然后用XSLT进行转换？

我是XSLT的新手，我有一个很大的XML文档，我正试图将其转换为ICML（AdobeInDesign使用的一种XML变体）。我正在处理的源文档的相关部分如下所示：

<BiographicalNote>
 &lt;p&gt;This text includes escaped HTML entities.&lt;/p&gt;
</BiographicalNote>

<xsl:template match="BiographicalNote">
 <ParagraphStyleRange">
  <CharacterStyleRange>
   <Content>
   ...
   </Content>
  </CharacterStyleRange>
 </ParagraphStyleRange>
</xsl:template>

p此文本包括转义的HTML实体。/p

XML本身很好，但它包含的HTML被转义

下面是一个粗略的例子，我需要最终产品的外观：

<ParagraphStyleRange>
 <CharacterStyleRange>
  <Content>
   This text includes escaped HTML entities.
  </Content>
 </CharacterStyleRange>
</ParagraphStyleRange>

此文本包含转义的HTML实体。

我可以将

转换为

没有问题，但是转义的实体正在困扰我。我似乎无法去掉

标签

一些重要的考虑：

• 源文档的HTML部分是由不同层次的人编写的，他们对HTML的熟悉程度不同，并且并不总是格式良好。不跳过整个源文档不是一个选项，因为它在运行XSLT时会导致解析器错误
• 源文档非常大（超过120000行），因此查找和修复格式错误的HTML非常不实际且耗时。但是，在我实际需要的文件的特定部分（小于1%）内修复任何不好的HTML是更可行的
• 虽然我想去掉
  标记，但我需要保留大多数其他标记（
  ，
  ，
  ，等等），以便以后可以将它们转换为
  标记
• 我目前正在本地编写XSLT，并在终端（Mac）上使用xsltproc运行转换。不过，最终我将迁移到PHP系统并在服务器端运行转换

我的基本模板如下所示：

<BiographicalNote>
 &lt;p&gt;This text includes escaped HTML entities.&lt;/p&gt;
</BiographicalNote>

<xsl:template match="BiographicalNote">
 <ParagraphStyleRange">
  <CharacterStyleRange>
   <Content>
   ...
   </Content>
  </CharacterStyleRange>
 </ParagraphStyleRange>
</xsl:template>

我不知道你的问题是什么。转义文本不是XML，不能作为XML处理。没有可以选择的节点，因此，您所希望的最佳结果是：

<Content>
<p>This text includes escaped HTML entities.</p>
</Content>


此文本包含转义的HTML实体


使用以下工具很容易获得：

<Content>
    <xsl:value-of select="." disable-output-escaping="yes"/>
</Content>



如果要删除包装元素，必须使用字符串函数。如果可以确保包装元素是
（或字符串长度为1的任何其他标记），则可以执行以下操作：

<Content>
    <xsl:variable name="text" select="normalize-space(.)" />
    <xsl:value-of select="substring($text, 4, string-length($text) - 7)" disable-output-escaping="yes"/>
</Content>



或者，将此转换的结果保存到文件中，并处理结果文件。但是，这要求生成的文件必须是格式良好的XML文档—我知道您不能确定这一点。
谢谢！现在我知道它为什么不起作用了，我当然可以使用字符串函数作为一种解决方法来删除
标记。但问题是，我还需要能够转换其他标记，如
，以将其内容包装在
和其他标记中，如问题中所述。考虑到这一点，是否有可能取消HTML实体的scape，以便将它们作为XML进行处理？@JoãoFerraz如我所说，唯一的方法是将第一次转换保存到一个文件中，然后对生成的文档应用另一个样式表。