本文介绍如何利用 xslt 3 和 saxonc（通过 python 的 `saxonche` 库）对 xml 文档中嵌套在 `

` 标签内的软件名称进行语义化标注——仅在匹配 json 提供的上下文与精确文本位置时，将软件名（如 modeller）包裹进 `` 标签，完美处理含 `` 等子元素的复杂段落结构。

在科研文献 XML 处理场景中，常需从富文本段落（如

）中精准识别并标注软件工具名称（如 MODELLER、PROSA），但难点在于：这些名称往往夹杂在带有 、 等内联标签的混合内容中，无法直接用正则或简单字符串替换；同时，标注必须严格依据预提取的结构化证据（如 JSON 中的 context 字段和 normalizedForm），确保语义准确、避免误包。

推荐方案是采用 XSLT 3 +

✅ 核心思路

1. 上下文驱动匹配：遍历 JSON 中每个 "type": "software" 条目，检查其 context 是否完整出现在当前

   元素的扁平化文本内容中（即忽略所有子标签，只比对可见文本）；

2. 安全文本注入：一旦上下文匹配成功，进入 process 模式，仅对

   内部的纯文本节点（text()）应用逻辑；

3. 精准定位与包裹：对每个文本节点，先验证其是否同时满足：
   • 包含该软件的 context（保证语境一致性）；
   • 包含其 normalizedForm（如 "MODELLER"）；
   • 再调用 analyze-string(., $pattern) 进行正则匹配，确保仅包装字面完全一致的出现，避免子串误匹配（如 "MOD" 不会匹配 "MODELLER"）；
4. 零破坏 DOM 结构：所有 、 等原有子元素保持原位，仅修改目标文本节点为 MODELLER，尾部文本（tail）自动继承。

? 示例 XSLT 片段（关键逻辑）

⚙️ Python 调用示例（使用 saxonche）

from saxonche import PySaxonProcessor

proc = PySaxonProcessor(license=False)
xslt = proc.new_xslt30_processor()
xml_file = "input.xml"
json_file = "software_mentions.json"

# 编译并执行转换
executable = xslt.compile_stylesheet(stylesheet_file="wrap-software.xsl")
output = executable.transform_to_string(
    source_file=xml_file,
    params={"json-doc": f"json-doc('{json_file}')"}
)
print(output)

? 注意事项 必须使用 SaxonC 12+（saxonche），因仅此版本完整支持 json-doc()、analyze-string() 及 map 类型； JSON 中的 context 字段需与 XML 实际渲染文本完全一致（包括空格、标点、括号格式），建议预处理统一规范化； 若存在多个重叠软件名（如 "R" 和 "RStudio"），应按长度降序排序 JSON 条目，避免短名优先匹配导致长名截断； 对于大小写敏感场景，可在 analyze-string() 中添加 flags="i" 并配合 upper-case() 统一比较。

该方法摒弃了易出错的手动 DOM 遍历与字符串拼接，以声明式、可验证、可复用的 XSLT 逻辑实现高精度语义标注，特别适合构建学术文献知识图谱、软件实体链接等 NLP 前处理流水线。

# python  # js  # json  # app  # 工具  # ai  # String  # xml  # 字符串  # 继承  # map  # dom  # nlp  # 遍历  # 这一  # 多个  # 出现在  # 可在  # 时才  # 应按  # 仅此  # 高阶  # 比对 

相关栏目： 【 网站优化151355 】 【 网络推广146373 】 【 网络技术251813 】 【 AI营销90571 】

相关推荐： Android实现代码画虚线边框背景效果  Laravel如何构建RESTful API_Laravel标准化API接口开发指南  Laravel表单请求验证类怎么用_Laravel Form Request分离验证逻辑教程  什么是JavaScript解构赋值_解构赋值有哪些实用技巧  Laravel模型事件有哪些_Laravel Model Event生命周期详解  如何在万网ECS上快速搭建专属网站？  Python文本处理实践_日志清洗解析【指导】  如何用AI一键生成爆款短视频文案？小红书AI文案写作指令【教程】  iOS UIView常见属性方法小结  Laravel怎么做缓存_Laravel Cache系统提升应用速度的策略与技巧  laravel怎么为应用开启和关闭维护模式_laravel应用维护模式开启与关闭方法  如何制作公司的网站链接,公司想做一个网站，一般需要花多少钱？  Laravel如何使用Telescope进行调试？（安装和使用教程）  个人摄影网站制作流程,摄影爱好者都去什么网站？  ,怎么在广州志愿者网站注册？  Laravel事件监听器怎么写_Laravel Event和Listener使用教程  JavaScript如何实现类型判断_typeof和instanceof有什么区别  javascript基于原型链的继承及call和apply函数用法分析  油猴 教程,油猴搜脚本为什么会网页无法显示？  Python文件流缓冲机制_IO性能解析【教程】  如何用西部建站助手快速创建专业网站？  如何在 Go 中优雅地映射具有动态字段的 JSON 对象到结构体  Laravel如何使用Service Provider服务提供者_Laravel依赖注入与容器绑定【深度】  Win11搜索不到蓝牙耳机怎么办 Win11蓝牙驱动更新修复【详解】  如何在万网自助建站中设置域名及备案？  Laravel如何使用Livewire构建动态组件？（入门代码）  长沙做网站要多少钱,长沙国安网络怎么样？  Android okhttputils现在进度显示实例代码  Laravel如何使用模型观察者？（Observer代码示例）  制作网站软件推荐手机版,如何制作属于自己的手机网站app应用？  活动邀请函制作网站有哪些,活动邀请函文案？  如何快速查询域名建站关键信息？  制作公司内部网站有哪些,内网如何建网站？  郑州企业网站制作公司,郑州招聘网站有哪些？  Win11怎么开启自动HDR画质_Windows11显示设置HDR选项  香港服务器如何优化才能显著提升网站加载速度？  Firefox Developer Edition开发者版本入口  Laravel怎么集成Log日志记录_Laravel单文件与每日日志配置及自定义通道【详解】  iOS中将个别页面强制横屏其他页面竖屏  如何快速搭建高效香港服务器网站？  php嵌入式断网后怎么恢复_php检测网络重连并恢复硬件控制【操作】  如何在Tomcat中配置并部署网站项目？  小视频制作网站有哪些,有什么看国内小视频的网站，求推荐？  Laravel广播系统如何实现实时通信_Laravel Reverb与WebSockets实战教程  如何在建站之星绑定自定义域名？  javascript事件捕获机制【深入分析IE和DOM中的事件模型】  如何快速搭建FTP站点实现文件共享？  实例解析Array和String方法  php做exe能调用系统命令吗_执行cmd指令实现方式【详解】  在线制作视频网站免费,都有哪些好的动漫网站？