XSLT有效識別給定范圍內的重復節點-有解無憂

我正在處理 XML-TEI 中的一些手稿轉錄，并且正在使用 XSLT 將其轉換為 .tex 檔案。我的輸入檔案由tei:w代表文本中每個單詞的標記組成。MWE：

<?xml version="1.0" encoding="UTF-8"?>
<?xml-model href="http://www.tei-c.org/release/xml/tei/custom/schema/relaxng/tei_all.rng" type="application/xml" schematypens="http://relaxng.org/ns/structure/1.0"?>
<?xml-model href="http://www.tei-c.org/release/xml/tei/custom/schema/relaxng/tei_all.rng" type="application/xml"
    schematypens="http://purl.oclc.org/dsdl/schematron"?>
<TEI xmlns="http://www.tei-c.org/ns/1.0">
   <teiHeader>
      ...
   </teiHeader>
   <text>
      <body>
         <p><w>Lorem</w>
            <w>ipsum</w>
            <w>dolor</w>
            <w>sit</w>
            <w>amet</w>
            <pc>,</pc>
            <w>consectetur</w>
            <w>adipiscing</w>
            <w>elit</w>
            <pc>,</pc>
            <w>sed</w>
            <w>do</w>
            <w>eiusmod</w>
            <w>tempor</w>
            <w>incididunt</w>
            <w>ut</w>
            <w>labore</w>
            <w>et</w>
            <w>dolore</w>
            <w>magna</w>
            <w>aliqua</w>
            <pc>;</pc>
            <w>ut</w>
            <w>enim</w>
            <w>ad</w>
            <w>minim</w>
            <w>veniam</w>
         </p>
      </body>
   </text>
</TEI>

我需要識別在一定范圍內重復的單詞，比如 10，以使 LaTeX 在版本中消除它們的歧義（使用\sameword從reledmac包呼叫的命令）。例如，在上面的 MWE 中，我希望兩者都ut被這個命令標記。

我想我已經找到了一種方法來做到這一點；我的問題更多是關于如何改進我的代碼。對于小檔案，下面的模板似乎作業得很好；但是我的語料庫由 300.000 個標記組成，并且轉換花費了太多時間：引擎正在評估每個單詞的左右背景關系......

 <xsl:template match="tei:w">
        <xsl:variable name="current_position" select="count(preceding::tei:w)"/>
        <xsl:variable name="same_word_before"
            select="preceding::tei:w[($current_position - 10) > count(preceding::tei:w)][not(count(preceding::tei:w) > $current_position)]/text() = text()"/>
        <xsl:variable name="same_word_after"
            select="following::tei:w[($current_position   10) > count(preceding::tei:w)][count(preceding::tei:w) > $current_position]/text() = text()"/>
        ...
        <xsl:choose>
            <xsl:when test="$same_word_before or $same_word_after">
                <xsl:text>\sameword{</xsl:text>
                <xsl:apply-templates/>
                <xsl:text>}</xsl:text>
            </xsl:when>
            <xsl:otherwise>
                <xsl:apply-templates/>
            </xsl:otherwise>
        </xsl:choose>
        ...
    </xsl:template>

有沒有更簡單和/或更有效的方法來做到這一點？我正在考慮的一個解決方案是使用 python，但我更愿意堅持使用 xsl 來完成這項任務。

編輯：我正在使用 XSLT 2.0。

uj5u.com熱心網友回復：

與您所做的沒有太大區別，仍然很快：

  <xsl:template match="tei:w">
    <xsl:variable name="preceding"  as="xs:string*" select="preceding-sibling::tei:w[position() lt 11]/text()" />
    <xsl:variable name="following"  as="xs:string*" select="following-sibling::tei:w[position() lt 11]/text()" />
    <xsl:choose>
      <xsl:when test="text()=($preceding,$following)">
        <xsl:text>\sameword{</xsl:text>
        <xsl:apply-templates/>
        <xsl:text>}</xsl:text>
      </xsl:when>
      <xsl:otherwise>
        <xsl:apply-templates/>
      </xsl:otherwise>
    </xsl:choose>
  </xsl:template>

我用每 50 個單詞用 2000 個 p 對其進行了測驗，耗時 0.3 秒。

從 Xslt 2.0 開始，我們有內置的資料型別它們描述了變數/引數/函式的資料型別。

即<xsl:variable name="preceding" as="xs:string*"/>意味著變數可以包含零個或多個字串。
或<xsl:variable name="firtsNextSibling" as="element()?"/>表示變數可以包含零個或一個元素。

<xsl:when test="text()=($preceding,$following)">

this when 的 @test 屬性的含義是當前 text()-node 的值應該存在于組合的 $preceding 和 $following 字串序列中。

轉載請註明出處，本文鏈接：https://www.uj5u.com/net/436291.html

標籤：xml xslt 令牌

上一篇：XSLT-參考HREF元素

下一篇：Android構建失敗。顯示“資源編譯失敗。查看日志了解詳細資訊。”