使用XSLT转换XML

SLT1.0 是W3C标准，主要用于对XML文档的转换，包括将XML转换成HMTL,TEXT或者另外格式的XML文件.XSLT1.0可以与XPATH1.0标准一起使用，XPATH会告诉你要转换的节点而XSLT则提供了一种机制来说明如何实现这种转换。为了将源文档转换成想要的格式， 一个XSLT样式文件往往包含一系列的规则，而要解释这些规则， 需要依赖XSLT处理器，这个处理器实际上就是对XSLT1.0标准的实现，所以大家可以按照这个标准提供自己的实现，处理器可以根据标准元宝的所有特性来来执行规则，最终完成转换的工作。

XSLT的处理机制

XSLT样式表用于定义转换逻辑，这些逻辑会应用于源XML文档的树状形式的节点集上，然后生成树状结构的节点集做为输出结果。

下面的XML文档比较简单，我们就以此做为源文件：

7839         KING                 7788         SCOTT

每个XML文档必须有一个代表该文档的根结点， 并且这个根结点的子节点可以包含文档节点（具有唯一性，在上面的例子中就是，大家要清楚根节点跟文档节点的区别），注释节点和指令结点。文档节点可以包含任意数量的文本节点和元素节点，同时，这些子节点仍可以包含其他任意数量的子节点，这些节点以相互嵌套的方式形成了一棵树。

所以，要实现文档转换， 必须要有两个组成部分：

1 源XML文档， 在内存中，它是以树状的节点集形式表现，了解DOM的人应该容易理解。

2 XSLT文档，其中包含一系列的转换规则。

XSLT本身也是XML格式的文档，不同的是XSLT文档支持相应的指令标签，以实现转换的功能， XSLT的文档节点是，该节点下面包含所有的转换规则，每个规则一般都与XPATH关联，XPATH表明，这个规则适用于哪个节点，当XSLT处理器在解释源文档的某个节点的时候，会查找匹配这个节点的规则。当然，这种规则也被称做Template, 在XSLT中是用标签表示，该标签有个match属性来关联XPATH表达式。比如，像下面的这个规则，它应用于源文档的根节点，”/” 是XPATH表达式，说明这个规则适用于根节点。

类似，像下面的模板：

就仅作用于源文档中的节点集，一个节点下面还含有子节点，并且这个必须是节点的直接子节点，才能应用这个规则。

为什么要用TEMPATE来表示一个规则呢？因为在应用这个规则的时候，包含在规则里面的文本和元素就像是个模板，每次XSLT处理程序在调用同个规则的时候，输出的结果都是以这个模板为基础的，模板保证了输出的结构是一致。

让我们看下，以下的规则会输出什么：

XSLT处理程序在解释 节点时，会查找匹配的规则，这个模板的match属性值是“ROWSET/ROW[ENAME]”，刚好符合要求， 最后程序会调用这个模板，输出结果。

当匹配的模板被实例化后，接下来还会做三件事情：

1） 模板中的文本和属性直接输出。任何不是以XSL命名空间开头的都被认为是文本，像上面例子里的 和 id 属性，它们会以文本形式直接输出。

2） 以大括号表示的元素，像{XPathExpr}， XSLT会计算它的值并将值以文本形式返回到当前的位置，我们可以理解为是一个表达式点位符。

3） XSLT命名空间下的任何元素，都以文档中的先后顺序被执行。比如执行元素，处理程序会根据select属性中的XPATH表达式获取到值，并以文本节点的形式替换元素。

基本的逻辑可以归纳为，当源文档中的节点与XSLT中的某个规则匹配的时候，规则中的内容就会输出到结果树中。一旦你掌握了这个过程， 那整个XSLT处理模型就容易理解了。 给你一个源树（XML文档的树状表示）和XSLT样式表，XSLT处理程序

依照样式表中的规则说明的那样，一步步的执行这些规则，最终将源文档转化成结果树。

在执行源树节点集的过程中， 会产生结果树的一部分或称做“片段”，当然，到最后这些片段会被整合在一起。当前正在被执行的节点，称做当前节点， XSLT处理器会选择所有适用于当前节点的模板，如果适用的模板有多个，处理器会根据内置的规则（这个后面再细说），从中选取一个最匹配的，因为针对一个节点只能使用一个模板。

执行的时候，XSLT处理器从根节点开始，它搜索匹配根节点的模板，一般来说， 匹配根节点的模板，它的match属性等于"/"，找到，处理器实例化该模板，并将内容输出到结果树， 通常都要执行这三个步骤来完成工作。

如果模板还包含需要处理其他节点的XSLT指令， 那么处理器会重复上面的步骤，搜索模板，应用模板，输出结果，这是个循环的过程，直到所有的XSLT指令都被执行完成。执行完成后，转化过程产生的结果树，就是我们想要的目标文档。

单模板实现

理论上说，只要定义一个模板就可以实现转化的过程，接下来，我们会创建这样的一个模板来进行说明，当然，在一个XSLT样式表中定义多个模板，会给我们带来更多好处，这个在后面详细介绍。

像下面的样式表，主要作用是将XML文档转换成HTML格式的文本。

或者另外一种更简洁的表示:

当看到XSL命名空间的申明语句：xmlns:xsl="http://www.w3.org/1999/XSL/Transform" ，你很自然的就会想到，当执行这个样式表的时候，XSLT处理器会访问这个URL地址。然而，这个申明的作用仅仅是做为唯一的字符串来标记XSLT的命名空间， 命名空间的作用是为了区别各自的标签，因为XML是允许自定义标签的，这会导致出现相同的标签名的可能性大大增加，为了避免冲突，突显自定义标签的唯一性，引入了命名空间的概念。XSLT用XSL作用命名空间的别名， , , 这些标签就表明他们是XSLT相关的标签，XSLT处理器会根据XSL前辍来识别它们，如果你移除了XSL前辍，XSLT处理器就不可能识别出它们。

 

考虑一下以下的样式表，它只包含一个模板，这个例子的目的就是将EMP.XML转化成HTML。

输出结果：

 

上面的模板混合了HTML的标签, ,

, , and 元素到结果树，同时里面包含一个class属性，根据当前行是奇数或偶数，它的值在tr0和 tr1之间变化。CSS文件的定义如下：

,和 and ，当XSLT处理器实例化这个模板的时候，根节点就是当前节点， 标签 ： 1） 选择源XML树中所有的"ROWSET"节点集。 2） 将选中的节点集做为当前正在处理的节点集。 3） 开始执行这些节点集。 针对节点集中的每个节点，里的内容都被实例化到结果树中，如果这个实例化后的片段，含有其他的XSLT元素，需要解释执行，碰到元素的话，会用XPATH表达式计算后的结果替换当前位置。 生成的HTML: 7839 KING 7788 SCOTT 在这个例子中， XSLT处理器仅仅执行与根节点匹配的模板， 所有的子节点处理都依靠执行来完成。 如果模式表只用一个模板，那么我们可以用更简洁的方式来实现，像 和都可以不需要。这种情况下， 文字元素在模板中是做为第一个元素。但是你必须包含XSLT的命名空间，并且要加上xsl:version="1.0"属性。 与前一个相比，写法稍有不同，但它们输出的结果是完全一样的，而且后一种看起来更简洁明了。 理解输入和输出选项 在之前的XSLT转化过程，我们都有谈到节点树这个概念，节点的树状结构其实并不存在，它只是为了便于我们理解的一种逻辑形式，从XSLT处理器的角度来说，它就是一堆连续的符号，是其在内部执行源XML文档和输出转换结果的过程中的逻辑表现形式，实际情况是： 1） 源文档是以可读的文本形式存在。 2） 转化的结果需要以其他可读的方式输出，比如，以文本形式保存到文件中或以流的方式输出到浏览器。 转换的输入信息必须是节点树，这可以通过解析源XML文档或者手动编程的方式构造出一个树（通过DOM 或SAX提供的API）。 所有的XSLT转换都是通过解析源节点树，生成结果节点树，当你的应用中有多个顺序执行的转化过程，那么一个转化过程产生的节点树会做了下个转化过程的输入，直到所有的转化过程都结束为止，所有的节点集做为一个整体以字符流的方式输出。这个过程称做序列化结果树。 根据XSLT 1.0规范的描述， 利用默认的序列化规则，在通用情况下可以使我们的XSLT文件看起来更简洁。XSLT1.0用UTF-8做为转化输出结果默认的编码集 同时还支持以下几种输出格式： 支持缩进的，格式规范的HTML ， 它的类型是text/html 无缩进的XML， 没有DOCTYPE属性，它的类型是text/xml 抛开这些默认的选项， 标准的XSLT语法需要以开头，然后包含子元素，通过这个子元素来控制输出序列化过程。 要想明白如何控制序列化，最主要的就是理解output元素中的method属性，这个属性决定XSLT处理器如何将结果集序列化到输出流。XSLT 1.0支持三种不同的输出选项： ， 这个是默认项，输出XML格式。 ， 如果结果树的文档结点的，这个就是默认项。要注意的是，它的输出并不是格式良好的XML。 ， 这种方式只会将结果树中的文本结点顺序输出。一般应用于，将XML转化成编程相关的源代码，邮件内容或其它的文本输出。 考虑下面文档中的例子： 7839 KING 用下面的XSLT样式表来转化King.xml，将 节点转化成 ： & Family   输出结果： KING & Family   记住，XSLT样式表是格式良好的文档，所以有些特殊字符需要转义,像“&”转义成“&”和“<”转成“<” 还要注意的就是像“&”这样的数值型实体字符，它是数字“38”的Unicode编码形式。如果你习惯这种十六进制的表示，像换行，你可以用 来代替。 指定output为html, 下面的样式表会将转化成简单的，包含图片的HTML页面。 & Family   用这个样式表来转化King.xml，输出的结果： KING & Family 如果指定output为text将转化成文本，那么输出的结果不包含任何标签： Hello & Family, Your id is 结果： Hello King & Family, Your id is 7839 注意， 我们转化的样式表中用来处理文本内容，一般来说， 空白字符在样式表中是被忽略的， 所以可以实现标签的缩进，以达到更好的可读性。 但是，文本内容中的空格需要被保留，可以帮助我们实现这个目的，这样，空白符就会出现在输出的文本中。除了空白字符外，还有换行符和TAB（制表符），利用元素，这些符号都会被逐字保留。上面例子中的“ ”代表回车换行符。 下图说明了源文档，源节点树，结果节点树和利用这三部分实现的序列化以及通过指定output,输出不同的格式。 除了outpu属性， 还有其它几个属性可以用来控件输出行为。 多模板实现灵活性 我们都清楚， 样式表包含一组规则， 当我们用单个模板方式的时候，整个样式表就只有一个规则：“匹配源文件的根节点，执行其中所有的XSLT指令。”这种方式，就像我们在Java编码的时候，将所有的逻都放在一个main()函数里，肯定会有人赞成，有人反对。 public class doit { public static void main() (String[] args) { // 所有的代码都放在这里} } 做为开发人员，刚入门的时候会觉得将所有实现都放在单个方法里比较容易理解，但他们很快就会发现，当逻辑越来越复杂的时候，在单个方法可能有很多可以共用的部分，如果能将它们单独做为一个方法， 可以更好的提供代码的可重用性，多模板也是基本这个考虑。如果采用多模板，我们也可以利用人家已经实现的规则，就好比站在巨人的肩膀上，可以让你节约时间，而且你也可以新建一个自己规则，替换老的。 我们可以发现，XSLT编程与JAVA编程在很多方面的类似性。在JAVA里，每个方法是包含形为的整体而且可以被重写。如果你实现一个类，并将所有的代码逻辑都放在main()函数里，那么要是有人准备扩展你的代码，那就只能重写main()方法，尽管有时候，他们只是需要一个很小的改动。那最有效的方式，就是将一个方法中的逻辑拆分成几个子方法，而且这些子方法应用易于重用，易于重写。 在XSLT中， 模板是形为和重写的基本单元。 就像上面提到的JAVA一样，如果你将样式表中的逻辑分成多个可重用的模板， 那么其他人就有可能继承你的模板，然后调用你写好的模板或者重写模板以实现他们自己的行为逻辑。 根据每个转化任务来拆分模板是最有效果的。你的模板越容易被调用，越容易被人重写，就说明你的拆分越合理。 应用多模板 下面的例子中， 我们会将上面提到的单个模板进行细化，分成多个模板,细化后的每个模板都对应源文档中的一个元素，负责对应元素的转化工作。每个模板都用指令告诉XSLT处理器，如果当前元素还有子元素，需要递归遍历，直到所有的节点都处理完成。   我们可以举其中的某个模板为例： 它的含义是： 对于源文档中的元素， XSLT处理器会应用这个模板来进行转化，该模板会在结果树中构建一个 元素，因为模板包含指令，处理器会继续查找元素的所有子节点，然后用相应节点的模板来转化，直到所有的节点都转化完成，最终，各个节点的转化片段组成大的结果树，做为元素的子元素。 通常情况，处理器会从源文档的根节点开始，搜索匹配的模板，在我们的样式表中就是match="/"的那个模板，“/”符号就是表示根节点。所有这个根节点就做为当前节点被实例化。根节点模板构造出 和 ，然后调用去处理根节点的所有子节点。 这些子节点包含一个注释节点和一个元素节点，为了构造这些节点的结果树片段，处理器按顺序执行所有的子节点。注释节点会被忽略（这个稍后解释），对于节点，会有相匹配的模板（match等于"ROWSET"）来处理。 下面的图说明XSLT处理器的顺序处理的过程。 所有的模板都会被实例化，然后输出到结果树中。根节点模板会输出 和元素，"ROWSET"模板输出 ，嵌套在元素里面，接下来，执行指令，匹配所有的子节点，节点包含以下四个节点，按顺序排列： 1. 空白节点 2. 节点 3. 空白节点 4. 节点 针对这些节点，处理器会查找匹配的模板，实例化模板，然后通过模板转化节点，输出到结果树中。对于空白节点，默认情况下，系统会直接拷贝空白字符，而match等于"ROW"的模板会构造出两个 元素，然后继续处理其他节点。 转化完成的结果跟单个模板输出的结果是完全一致的，但是，在接下来的几个例子中， 多模板方式会显现出其强大的好处。 理解内置模板 在继续之前， 我们需要解释一下，为什么注释节点会被处理器忽略？ 对于”7839“, ”KING“, “7788,  和“SCOTT”这样的空白节点和文本节点处理器是如何进行转化的？ 要解答这些问题，不得不提到XSLT中的内置模板，这些内置模板是XSLT处理器的默认组成部分。       匹配根节点或任何节点，这个内置模板不输出任何东西，但会告诉处理器去执行源文档当前节点下的所有子节点。        匹配文本节点或属性节点，将当前节点的值输出。 匹配指令节点或注释节点，但什么也不做。 为什么需要内置模板，设想一下，如果有人只想匹配源文档中的某个节点，但是默认情况下，XSLT处理器都是从根节点开始匹配，如果没有内置模板，系统会提示模板不存在就会报错，要是每个开发人员都要将这些模板在自己的样式表中都实现，会使样式表看起来不够简洁。 会了更好的理解内置模板，我们会用下面的样式表来转化文档”Emp.xml “，该样式表中不包含任何模板： 得到的结果是： 7839 KING 7788 SCOTT 处理器用内置的模板来匹配源文档中的元素，对于根节点元素，内置模板不会做任何的输出，只会循环遍历它的子元素，当子元素是空白元素的时候或者”7839“, ”KING“, “7788, 和“SCOTT”这样的文本元素，就会用内置的text()来匹配，调用来拷贝当前文本节点的元素值到结果树中。 相应的， 结果树就是源文档中的一堆文本内容，来自任何层次的节点，以文档中显示的顺序输出。尽管这很有意思，但我们不会将这种不包含任何模板的样式表用在实际的项目中。 通配符匹配和空白字符的处理 让我们看下下面列出的几个模板：      实际上，这两个模板做同样的事情,它们都用来匹配下面的两个不同的子节点， 然后构建一个表格元素

，其中包含相应子节点的转化结果树。但是，我们要是在增加新的节点，叫做，，那是不是我们还要建立两个新的，类似的模板呢，XSLT为我们提供了更好的解决方案，通配符。在XPATH表达式中，我们可以用通配符来指定某个结点下面的所有子节点，像这样”ROW/*“。用这种方式，可以不再需要为每个子节点设置一个匹配模板，而只要用一个泛型模板就足够了。 用通用的方式实现的模板，例子如下： 输出的结果与之前的一致，但是样式表看起来更简洁。 等等， 好像跟之前的输出比较起来，还是有不一样的地方。 这段文本并没有像预期的那样缩进，但是在单模板样式表中，输出的结果是排版良好的，所有节点都有缩进。 明白导致这个问题的原因很重要，因为这关系到XSLT如何处理源文档中的空白符，回想一下，Emp.xml文档的缩进是通过空白字符和回车符实现的。如果我们将这些都显现出来的话，应该是下面的样子。 当执行匹配元素的模板的时候，XSLT处理器会构建一个 标签，接着循环处理的所有子节点，包含下面几个节点： 1. 文本节点，包含空白字符用来缩进：carriage return, space, space 2. 节点 3. 文本节点，包含空白字符用来缩进：carriage return, space, space 4. 节点 用多模板方式，XSLT处理器顺序执行的所有子节点，查找匹配的模板。当匹配第一个空白节点的时候，因为没有明确的模板，处理器会调用内置模板"text()|@*"来处理这个节点，这个模板会将空白字符直接拷贝到结果树，对于模板来说，空白节点跟文本节点是一样的，同时，回车符也被直接输出到结果树中，就这是导致缩进不一致的问题。 那么单模板方式为什么没有这个问题？ 单模板在匹配根节点后， 通过执行指令来选择节点集，这些节点集中不包含空白节点，所以不存在上面提到的困扰。 要解决这个问题， 我们需要告诉XSLT处理器在转化的时候，剔除这些节点，要实现这个功能， 要用到指令，这个指令必须放在样式表的顶部。 与之相反，如果你要保留某个元素的空白节点，需要用，它同样包含有elements属性。默认情况下，XSLT处理器保留所有元素的空白节点。 不同模式下的节点处理 前面例子中，输出的结果只有数据信息，并没有包含表头， 为了创建一个通用的方式来生成表头，我们必须遍历所有的元素，然后取出它子节点的名称做为表格的头单元。然而，我们已经有了一个匹配“ROW/*”的模板来处理元素的子节点，现在为了创建表头，也需要处理这些节点，如果不同的模板有相同的MATCH属性，XSLT处理会根据优先规则只采用其中的一个，那么如何来区分这两种不同的应用呢，XSLT为模板提供了另外一个属性MODE： 假设我们指定了MODE属性值为"ColumnHeaders"，那么它就与原来没有MODE属性的模板区分开来，它们虽然是处理相同的节点，但逻辑上完全不同。 在用调用模板时，必须指定MODE属性，像 但是这样的写法有问题，生成表头的模板会匹配下面的所有 节点，根据 节点的个数，会生成重复的表头信息，实际上， 我们只要处理一个 节点就够了。 解决这个问题非常简单，只要保证我们的XPATH表达式只选择一个 节点就行，修改为。 重用和定制已有的模板 我们曾经提到过，利用多模板方式，可以重复利用已有的模板规则，甚至可以用新的模板替换老的模板，比如我们要生成一张类似上面的表格，不同的是，对于工资大于2000的行，要对其进行高亮显示，那我们要如何实现呢？ 假设上面提到过的一些模板都已经存放在了样式表文件TableBaseWithCSS.xsl中，然后我们重新建了新的样式表EmpOver2000.xsl，这个文件包含新的模板，并且用指定将TableBaseWithCSS.xsl引入到新的样式表中，大家都知道，TableBaseWithCSS.xsl中已经定义了转化表头和行的基本模板。 当用EmpOver2000.xsl这个样式表来转化源文档的时候，XSLT处理器会查找节点下的所有，之前，就只有一个模板匹配这个节点，但在新的样式表中，我们创建了match值为ROW[SAL>2000]"的模板，这意味着对于当前节点集中的节点，如果这个值大于2000，处理器就会发现有两个模板匹配这个节点，我们说过，处理器只会选择一个最合适的模板来进行匹配，在这里ROW[SAL>2000]的范围更具体，所以更适合。 让我们再举几个例子： 格式化奇数行 格式化偶数行 将DEPTNO 等于20的行，输出“Classified” 下面是样式表，包含要用到的所有模板： Classified   position()函数用于取得当前的结点位置，mod 是取余操作符。 经过实验，ROW[DEPTNO=20]模板从来没用被调用过，这就说明，如果模板的优先级相同的话，处理器会永远选择最新的模板，比如当前样式表中的模板优于被引用样式表中的，文件中位置靠后的模板优先前面的。 使用Priorities来解决模板冲突 XSLT处理器在选择合适的模板时，遵守下面的原则： 通配符“*”低于指定某个节点，像ROWSET 某个节点低于其中带有查询条件的节点，像ROWSET[predicate]或者ROWSET/ROW 根据这种具体程序来区别多模板，万一，有多个模板，它们的程度都是一样的，处理器又该如何选择呢？一种方式就是利用priority属性，priority="realnumber"可以是任意的正负值，当处理器无法根据规则选出最恰当的模板时，模板拥有较高priority就会被选中，priority大于0.5会使你自定义的模板比内置的要优先使用。 所以，当我们将priority="2"加到模板ROW[DEPTNO=20]中，比起匹配奇，偶行的模板，这个模板就有更高的优先级，在处理DEPTNO等于20的那行时，模板ROW[DEPTNO=20]会优先被处理器使用。   定义命名模板 接下来，我们看个格式化数字的例子，下面的样式表有个format-number()函数，它的作用就是将数值转换成指定的格式。 这里，我们还是要引用TableBaseWithCSS.xsl，因为要用到它里面的模板，当前的样式表重写了匹配节点”ROW/SAL“的模板，而且用了另外的方式来处理变化的行，原来的方式是定义两个模板来处理奇行和偶行，现在只需要一个模板就完成这个功能： 这个模板会构造

body { font-family: Verdana; font-size: 8pt } th { color: black} .tr0 {background-color: #f9f9f9; color: black}

如果，你需要经常对数值进行格式化，像是对货币格式的转换，最好是再建一个模板，以方便重用。我们可以用name属性替换的match属性。

然后，无论什么时候我们想调用模板，只要执行带name属性的指令。

命名模板从来不会自动被XSLT处理器执行，除非在样式表中明确的调用。当用调用命名模板的时候，命名模板里面的字面元素和XSL指令会被实例化，就像它们就位于调用它的模板的当前位置。

与不同的是，不会改变当前正在处理的结点，被调用的模板跟调用它的使用相同的节点，而xsl:apply-templates 会根据select属性的值改变节点位置，理解这一点非常重要。

像其他模板一样，命名模板可以被放在其他的文件里，相当于一个“方法库”文件，从而被其它样式表所引用。

 

常见错误 当你在样式表中混搭使用基于match的模板跟命名模板的时候，会经常不经意出现错误： 你定义个模板匹配”ROWSET/ROW“ 节点，你可能会错误的使用，正确的写法应该是。 你想应用某个模板，你这么写，而正解的写法应该是