XSLT- 规范化不间断空白字符

Question

我有一个这样的示例 xml 文件，

<doc>
    <p>text1 text2  </p>
    <p>text1 text2     </p>
    <p>text1 text2   </p>
</doc>

这个样本 xml，第一个 <p> 有 space 白色 space 字符 ( )，第二个 <p> 有制表符白色space whitespace 字符 (	) 第三个 <p> 有 space 不间断的 whitespace 字符 ( ).

我需要删除关闭标签之前出现的所有白色 space。

所以，预期的输出应该是，

<doc>
    <p>text1 text2</p>
    <p>text1 text2</p>
    <p>text1 text2</p>
</doc>

通过使用 xslt normalize-space() 我可以删除不必要的 spaces 和制表符，但不能删除不间断的白色 space 字符。

<xsl:template match="p/text()">
    <xsl:value-of select="normalize-space()"/>
</xsl:template>

关于如何在 xslt 中规范化所有白色 space 包括不间断白色 spaces 的任何建议？

Answer 1

你可以这样做：

<xsl:value-of select="normalize-space(translate(., '&#160;', ' '))"/>

这在 XSLT 1.0 和 2.0 中同样有效。

在 XSLT 2.0 中，您还可以使用正则表达式 - 例如：

<xsl:value-of select="replace(., '[\t\p{Zs}]', '')"/>

将删除水平制表符以及 Unicode Space_Separator 类别中的任何字符，其中不仅包括 space 和不间断的 space 字符，还包括其他 space 个字符。文档很难找到，但我相信这是目前完整的列表：（摘自 http://www.unicode.org/Public/UNIDATA/UnicodeData.txt）：

&#x0020; SPACE
&#x00A0; NO-BREAK SPACE
&#x1680; OGHAM SPACE MARK
&#x2000; EN QUAD
&#x2001; EM QUAD
&#x2002; EN SPACE
&#x2003; EM SPACE
&#x2004; THREE-PER-EM SPACE
&#x2005; FOUR-PER-EM SPACE
&#x2006; SIX-PER-EM SPACE
&#x2007; FIGURE SPACE
&#x2008; PUNCTUATION SPACE
&#x2009; THIN SPACE
&#x200A; HAIR SPACE
&#x202F; NARROW NO-BREAK SPACE
&#x205F; MEDIUM MATHEMATICAL SPACE
&#x3000; IDEOGRAPHIC SPACE

&#x10CB0; OLD HUNGARIAN CAPITAL LETTER EZS
&#x10CF0; OLD HUNGARIAN SMALL LETTER EZS
&#x16F36; MIAO LETTER ZSHA
&#x16F3C; MIAO LETTER ZSA
&#x16F3E; MIAO LETTER ZZSA
&#x16F41; MIAO LETTER ZZSYA

但是，使用 Saxon 9.5 进行的测试表明无法识别最后 6 个字符：http://xsltransform.net/ncntCSo

XSLT- 规范化不间断空白字符

XSLT- normalize non-breaking whitespace characters

xml

xslt

xslt-2.0