基于XSLT的XML文档转换技术

摘要：XML因为它在可扩展性和灵活性上的优点以及W3C不遗余力的为它制定各种标准，已经成为Internet上的主要语言。如何对XML文档进行转换以满足不同用户的需要，成为一个非常重要的问题，利用XSLT可以很好的解决这个问题。本文详细描述了基于XSLT转换XML文档的方法，深入讨论其工作原理，并结合一个具体应用实例，进一步阐明了基于XSLT转换XML文档的过程。

关键词：XML；XSLT；XML转换

中图分类号：TP393文献标识码：A文章编号：1009-3044(2007)03-10750-01

1 引言

XML（eXtensible Markup Language）[1]是一种由SGML（Standard Generalized Markup Language）衍生而来的简单的、灵活的文本格式。XML具有这样一些特点和应用：(1)灵活的扩展能力；(2)高度结构化、层次化的数据组织形式；(3)数据与表现形式分离；(4)数据结构的开放性；(5)设计与特定领域相关的标记语言。

由于XML的各种良好特性，将会有越来越多的数据以XML的格式保存和传输。在很多应用场合中需要把XML文档转换成其他格式的文档。例如，构建网站时需要把XML转换成常见的HTML文档；在电子商务中，企业间通过XML文档交换数据，但在接收数据后就可能先要把XML文件转换成企业内部的数据格式，才能往下处理。

因为XML的灵活性和无限性，对同一类数据结构，不同人之间、甚至同一个人不同时期设计的XML文档数据层次关系乃至元素命名都会有所不同。因此，XML文档之间同样存在结构转换的问题。解决了这个问题，XML才能更好的作为数据传输通用格式而在各种应用场合得到广泛应用。

目前存在几种转换XML文档的方法[2]：(1)自己编制程序；(2)利用SAX（Simple API for XML）；(3)利用DOM（Document Object Model）；(4)基于XSLT。其中基于XSLT方法是当前最重要的方法，也是本文想要讨论的方法。

2 XSLT的概述

XSLT（eXtensible StylesheetLanguage Transformation）错误！未找到引用源。，是W3C正在制定的规范XSL错误！未找到引用源。（eXtensible Stylesheet Language）中的一部分[5]，负责XML文档的转换。它详细规定了转换所需要的词汇表和词汇表中的词汇对应的语义。由于XSLT所具有的优异特性，他越来越多地使用在不同XML文档格式转换的场合中：从一种逻辑结构的XML向另一种逻辑结构的XML转换，或是转换为可浏览的HTML文档等。

XSLT文档本身是格式良好的XML文档，通过使用XML的尖括号标记语法来表示文档的结构，所以在书写时要注意标签的匹配问题。既是XSL的声明语句，也是根元素，必须位于文件的首部，所有的XSLT命令都必须在 … 元素中。利用域名机制把XSLT指令区别于其他的XML内容，样式表中所有指令都必须注明属于“/1999/XSL/Transform”这个XSLT专属的域名，一般是以“XSL”作为前缀。XSLT定义了源树和结果树中对应部分的转换规则，即模板规则，由标签标明，它可以说明处理的对象（元素/属性）、处理的方式或是转换的结果。

3 XSLT的工作原理

XSLT转换的基本思路是将XML文档视为一种树结构，转换过程就是从源树生成结果树的过程。结果树与源树是分离的，结果树的结构可以与源树完全不同。创建结果树时，来自源树的元素可以被过滤和重排序，并可以添加任意结构。XSLT定义了源树和结果树中对应部分的模板规则（Template Rules），每条模板规则中包含了一个模板（template），并对应着一种模式（pattern）。模板定义了转换的具体内容，即怎样转换，而模式是一个XPath错误！未找到引用源。表达式，它是模板的一个属性，规定了需要进行转换的元素或属性对象，即在什么情况下需要应用这个模板规则。模式与源树中的元素相匹配，模板被实例化产生部分结果树。例如在XSLT转换样式表片段 … 中，定义了一个模板规则，元素的match属性值”/”是模式的一个实例。它规定模板规则只有在XSLT处理器遇到文档元素结点下的根结点时才被实例化。

XSLT转换通常涉及三个文档：源文档、目标文档和含有模板规则的文档，即XSLT转换样式表。XSLT转换器以XML文件为输入，利用预先编写好的转换模板（XSLT转换样式表）把它转换成目标文件，如图1所示。其中，目标文件可以是XML文件，也可以是其他格式的文件如HTML，甚至C程序源文件等等。XSLT不依赖于任何一种编程语言，它本身也是一种符合XML规范的标记语言，可以看作XML的一种应用，发挥了XML元语言的特点，而反过来对XML文档进行转换操作。首先，XML源文档被解析成DOM树存放在内存中，接着对文档进行分析，每一个DOM树中的节点都会与一个模式相比较，当二者匹配时，就会按照模板定义的规则进行转换，否则继续往下匹配。如此循环，直到整个文档处理完毕。具体流程如图2所示。

XSLT按以下规则对源树进行处理，以最终得到结果树。(1)源树中的每一个节点都有可能经处理用来创建结果树片段，此过程是通过模板规则实现的；(2)对源节点列表中的节点按顺序进行处理，产生的结果树片段附加到已产生的结果树中。在创建结果树时，从包含源树根节点的节点列表开始处理；(3)节点的处理需要找到所有匹配本节点的模板，然后按一定规则从中选择一个最佳的模板，被选中的模板将本节点作为当前节点、源节点列表作为当前节点列表进行处理；(4)模板一般通过一个指令来选择一个新的源节点列表继续处理。由于此动作由一个指令完成，因此选择新的源节点列表以及继续处理是不可分的一个步骤；(5)匹配、处理和选择是不断地递归执行，直到没有选择任何新的源节点。模板中选择新的源节点列表来继续处理的指令通过元素定义，并可以通过其select属性选择源节点列表。按照这个规则，XSLT从源树的根节点开始，选择合适的模板来处理根节点。此时根节点被视为为当前节点（current node）。如果此模板中选择了一个源节点列表并继续应用模板，则对此源节点列表中的每个节点顺序处理，重新选择合适的模板来处理此节点，此节点被视为为当前节点，此源节点列表被称为当前节点列表（current node list）。如此递归处理下去，直到没有任何新的源节点被选择。

4 案例说明

本小节通过给出一个实际的例子来详细说明基于XSLT转换XML文档的方法。这个例子实现了从XML文档中提取数据生成一个文本文档。数据以XML文档格式提供，内容如下：

其中xmns:z为名称空间定义。在Xpath中使用名称空间轴对应处理这些内容，在样式表头声明这些名称空间后，样式表中就可以用相应的名称空间前缀引用相应节点。将源XML文件通过处理得到文本格式文件的过程如图3所示。

实际使用的样式表内容如下：

转换结果为一个文本文档，内容如下：

5 结束语

XSLT作为一种操纵XML文档的转换语言有着丰富的命令和函数，利用XSLT技术可以方便地完成对XML文档内容的分析、处理，同时可以将源XML文档转换为多种不同的格式。

参考文献：

[1]Jean Paoli, Francois Yergeau. Extensible Markup Language(XML) 1.0[S]. Available at /TR/2006/REC-xml-20060816/,16 August 2006.

[2]李力鸿, 邵敏, 等. XML文档信息的几种转换方法分析与应用实例[J]. 计算机科学, 2003,30(2):40-44.

[3]James Clark. XSL Transformation (XSLT) Version 1.0 [S]. Available at /TR/1999/REC-xslt-19991116/,16 November 1999.

[4]Anders Berglund. Extensible Stylesheet Language (XSL) Version 1.1[S]. Available at /TR/xsl/, 05 December 2006.

[5]Lionel Villard, Nabil Layaida. An Incremental XSLT Transformation Processor for XML Document Manipulation [A]. In: ACM. Proceedings of the 11th international conference on World Wide Web[C]. ACM Press, 2002,474-485.

[6]James Clark, Steve DeRose. XML Path Language (XPath) version 1.0 [S]. Available at /TR/xpath, 16 November 1999.

本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文。