Xml 在XSLT 2中分组一些没有父元素的模板匹配

我有一个非常非结构化的XML文档（取自Pandoc转换的docx到docbook格式），我正试图用XSLT清理它。xml的格式如下所示

<?xml version="1.0" encoding="utf-8" ?>
<!DOCTYPE article PUBLIC "-//OASIS//DTD DocBook XML V4.5//EN"
                  "http://www.oasis-open.org/docbook/xml/4.5/docbookx.dtd">
<article>
  <articleinfo>
    <title></title>
  </articleinfo>
<informaltable>
  <tgroup cols="2">
    <colspec align="left" />
    <colspec align="left" />
    <thead>
      <row>
        <entry>
          <emphasis role="strong">How did you assist
          Customer?</emphasis>
        </entry>
        <entry>
          <emphasis>Lorem ipsum dolor sit amet.</emphasis>
        </entry>
      </row>
    </thead>
    <tbody>
      <row>
        <entry>
        </entry>
        <entry>
        </entry>
      </row>
      <row>
        <entry>
        </entry>
        <entry>
        </entry>
      </row>
      <row>
        <entry>
          <emphasis role="strong">What difference did this make for the
          Customer?</emphasis>
        </entry>
        <entry>
          <emphasis>Lorem ipsum dolor sit amet.</emphasis>
        </entry>
      </row>
      <row>
        <entry>
        </entry>
        <entry>
        </entry>
      </row>
      <row>
        <entry>
        </entry>
        <entry>
        </entry>
      </row>
    </tbody>
  </tgroup>
</informaltable>
<para>
  Staff Member: John Smith
</para>
<informaltable>
  <tgroup cols="2">
    <colspec align="left" />
    <colspec align="left" />
    <thead>
      <row>
        <entry>
          <emphasis role="strong">How did you assist
          Customer?</emphasis>
        </entry>
        <entry>
          <emphasis>Lorem ipsum dolor sit amet.</emphasis>
        </entry>
      </row>
    </thead>
    <tbody>
      <row>
        <entry>
        </entry>
        <entry>
        </entry>
      </row>
      <row>
        <entry>
        </entry>
        <entry>
        </entry>
      </row>
      <row>
        <entry>
          <emphasis role="strong">What difference did this make for the
          Customer?</emphasis>
        </entry>
        <entry>
          <emphasis>Lorem ipsum dolor sit amet.</emphasis>
        </entry>
      </row>
      <row>
        <entry>
        </entry>
        <entry>
        </entry>
      </row>
      <row>
        <entry>
        </entry>
        <entry>
        </entry>
      </row>
    </tbody>
  </tgroup>
</informaltable>
<para>
  Staff Member: John Smith
</para>
<informaltable>
  <tgroup cols="2">
    <colspec align="left" />
    <colspec align="left" />
    <thead>
      <row>
        <entry>
          <emphasis role="strong">How did you assist
          Customer?</emphasis>
        </entry>
        <entry>
        </entry>
      </row>
    </thead>
    <tbody>
      <row>
        <entry>
        </entry>
        <entry>
        </entry>
      </row>
      <row>
        <entry>
        </entry>
        <entry>
        </entry>
      </row>
      <row>
        <entry>
          <emphasis role="strong">What difference did this make for the
          Customer?</emphasis>
        </entry>
        <entry>
        </entry>
      </row>
      <row>
        <entry>
        </entry>
        <entry>
        </entry>
      </row>
      <row>
        <entry>
        </entry>
        <entry>
        </entry>
      </row>
    </tbody>
  </tgroup>
</informaltable>
<para>
  Staff Member: _________________________
</para>
</article>

你是如何协助的
顾客
Lorem ipsum dolor sit amet。
这对整个过程有什么影响
顾客
Lorem ipsum dolor sit amet。
工作人员：约翰·史密斯
你是如何协助的
顾客
Lorem ipsum dolor sit amet。
这对整个过程有什么影响
顾客
Lorem ipsum dolor sit amet。
工作人员：约翰·史密斯
你是如何协助的
顾客
这对整个过程有什么影响
顾客
工作人员：_________________________

我已经用以下XSLT成功地减少了这个问题

<?xml version="1.0"?>

<xsl:stylesheet version="2.0"
    xmlns:xsl="http://www.w3.org/1999/XSL/Transform">

    <xsl:output method="xml" indent="yes"/>

    <xsl:variable name="fileDateStamp">
        <xsl:analyze-string select="base-uri(.)" regex="\s*(\d\d\d\d\-\d\d\-\d\d)\s*">
            <xsl:matching-substring>
                <xsl:value-of select="regex-group(1)"/>
            </xsl:matching-substring>
        </xsl:analyze-string>       
    </xsl:variable>

    <xsl:template match="/">
        <impactStatements>
            <xsl:apply-templates/>
        </impactStatements>
    </xsl:template>

    <xsl:template match="informaltable/tgroup/thead/row/entry">
        <xsl:analyze-string select="normalize-space(.)" regex="\s*How(.*)\s*">
            <xsl:matching-substring>
            </xsl:matching-substring>
            <xsl:non-matching-substring>
                <Assisted>
                    <xsl:value-of select="(.)"/>    
                </Assisted>
            </xsl:non-matching-substring>
        </xsl:analyze-string>
    </xsl:template>

    <xsl:template match="informaltable/tgroup/tbody/row/entry">
        <xsl:analyze-string select="normalize-space(.)" regex="\s*What(.*)\s*">
            <xsl:matching-substring>
            </xsl:matching-substring>
            <xsl:non-matching-substring>
                <Difference>
                    <xsl:value-of select="(.)"/>
                </Difference>
            </xsl:non-matching-substring>
        </xsl:analyze-string>
    </xsl:template>

    <xsl:template match="para">
        <xsl:analyze-string select="normalize-space(.)" regex="\s*\Staff Member: ([A-Z].*)\s*">
            <xsl:matching-substring>
                <Staff><xsl:value-of select="regex-group(1)"/></Staff>
                <DateCreated><xsl:value-of select="$fileDateStamp"/></DateCreated>
            </xsl:matching-substring>
        </xsl:analyze-string>
    </xsl:template>

</xsl:stylesheet> 

但我缺少的是能够在每个“记录”周围添加一个标记。由于

和

都是

的孩子，我最基本的XSLT知识完全让我失望。我明白了

<?xml version="1.0" encoding="UTF-8"?>
<impactStatements>
   <Assisted>Lorem ipsum dolor sit amet.</Assisted>
   <Difference>Lorem ipsum dolor sit amet.</Difference>
   <Staff>John Smith</Staff>
   <DateCreated>2014-01-01</DateCreated>
   <Assisted>Lorem ipsum dolor sit amet.</Assisted>
   <Difference>Lorem ipsum dolor sit amet.</Difference>
   <Staff>John Smith</Staff>
   <DateCreated>2014-01-01</DateCreated>
</impactStatements>

Lorem ipsum dolor sit amet。
Lorem ipsum dolor sit amet。
约翰·史密斯
2014-01-01
Lorem ipsum dolor sit amet。
Lorem ipsum dolor sit amet。
约翰·史密斯
2014-01-01

但是我想要

<?xml version="1.0" encoding="UTF-8"?>
<impactStatements>
    <statement>
        <Assisted>Lorem ipsum dolor sit amet.</Assisted>
        <Difference>Lorem ipsum dolor sit amet.</Difference>
        <Staff>John Smith</Staff>
        <DateCreated>2014-01-01</DateCreated>
    </statement>
    <statement>
        <Assisted>Lorem ipsum dolor sit amet.</Assisted>
        <Difference>Lorem ipsum dolor sit amet.</Difference>
        <Staff>John Smith</Staff>
        <DateCreated>2014-01-01</DateCreated>
    </statement>
</impactStatements>

Lorem ipsum dolor sit amet。
Lorem ipsum dolor sit amet。
约翰·史密斯
2014-01-01
Lorem ipsum dolor sit amet。
Lorem ipsum dolor sit amet。
约翰·史密斯
2014-01-01

---

这是一项一次性工作，我知道我可以通过其他方式更改XML，但我确信我只是缺乏一些基本知识来更改XSLT，我必须做我想做的事情。我尝试过各种不同的方法，在谷歌上搜索，但都没有用。我所尝试的一切都破坏了生成的XML的格式。

一个有趣且问得很好的问题！将与

/

匹配的模板更改为

<xsl:template match="/article">
    <impactStatements>
    <xsl:for-each select="informaltable">
        <statement>
            <xsl:apply-templates select=". | following-sibling::*[self::para][1]"/>
        </statement>
    </xsl:for-each>
    </impactStatements>
</xsl:template>

结果是：

<?xml version="1.0" encoding="UTF-8"?>
<impactStatements>
   <statement>
      <Assisted>Lorem ipsum dolor sit amet.</Assisted>
      <Difference>Lorem ipsum dolor sit amet.</Difference>
      <Staff>John Smith</Staff>
      <DateCreated/>
   </statement>
   <statement>
      <Assisted>Lorem ipsum dolor sit amet.</Assisted>
      <Difference>Lorem ipsum dolor sit amet.</Difference>
      <Staff>John Smith</Staff>
      <DateCreated/>
   </statement>
   <statement/>
</impactStatements>

Lorem ipsum dolor sit amet。
Lorem ipsum dolor sit amet。
约翰·史密斯
Lorem ipsum dolor sit amet。
Lorem ipsum dolor sit amet。
约翰·史密斯

---

我认为这几乎是正确的。最后有一个空的

语句

，因为输入中有3个

informaltable

元素。您希望如何处理它？

我首先添加一个模板

<xsl:template match="article">
  <xsl:for-each-group select="*" group-starting-with="informaltable">
    <statement>
      <xsl:apply-templates select="current-group()"/>
    </statement>
  </xsl:for-each-group>
</xsl:template>

对于您的示例（并且在添加

以增加可读性之后），我得到了输出

<impactStatements>
   <statement/>
   <statement>
      <Assisted>Lorem ipsum dolor sit amet.</Assisted>
      <Difference>Lorem ipsum dolor sit amet.</Difference>
      <Staff>John Smith</Staff>
      <DateCreated/>
   </statement>
   <statement>
      <Assisted>Lorem ipsum dolor sit amet.</Assisted>
      <Difference>Lorem ipsum dolor sit amet.</Difference>
      <Staff>John Smith</Staff>
      <DateCreated/>
   </statement>
   <statement/>
</impactStatements>

Lorem ipsum dolor sit amet。
Lorem ipsum dolor sit amet。
约翰·史密斯
Lorem ipsum dolor sit amet。
Lorem ipsum dolor sit amet。
约翰·史密斯

---

我不确定空的

语句

元素是否是由于缺少样本数据造成的，或者您是否希望从处理中排除某些元素，您需要解释输入中的哪些元素应该创建结果

语句

谢谢Martin，对不起，我没有说清楚，我实际上过滤掉了空的

informaltable

和

para

元素（这两个元素都是链接的，从技术上讲，不仅仅是空的

para

，而是没有名字的元素）。我试着为每个小组做了一次测试，但成功地获得了所有的

辅助

，然后是所有的

差异

，而不是记录在一起！现在我有了一些顺序，我可以在另一个关卡中删除空语句了！感谢Mathias，我曾尝试使用XPath，但完全失败了，这是一个很好的示例。我拥有的实际XML文件在末尾有很多“空的”

informaltable

元素，我想过滤掉这些元素，但我当然可以在第二遍中完成这项工作。