DIV CSS 佈局教程網

您现在的位置: DIV+CSS佈局教程網 >> 網頁腳本 >  >> XML學習教程 >> XML詳解
從 XSLT 1.0 升級到 2.0(第 1 部分):值得升級的關鍵改進
編輯:XML詳解     

關於本系列

XSLT 2.0 是 W3C 發布的 XML 轉換語言新規範,其中許多特性正是為了填補 1.0 的不足而生。本系列站在 1.0 使用者的角度——想解掉老問題、想學新技術、想知道該對 2.0 期待什麼——從宏觀到細節逐層剖析,並以常見應用為例,附上實務建議與遷移技巧,陪你真正動手升級。

XSLT 變大了,也變好了

XSLT 的普及程度遠超 XSL 工作組最初的預期,人們把它用在各種意想不到的問題上。寫過 XSLT 樣式表的人大概都有這種經驗:為了得到字面之外的結果,得靠某些「編碼模式」繞路。看到 generate-id(),你腦中會浮現什麼?是 node-set()?substring-before()?還是 disable-output-escaping?這些反射動作本身就是一種訊號:語言的表達力跟不上意圖。XSLT 2.0 即將成為正式推薦標準,它讓你能用更貼近本意的語彙來寫程式。

1.0 主要由兩份 W3C 文件定義:XSLT 與 XPath。2.0 則是為了與 XQuery 的發展接軌而設計,如今 XSLT 家族的核心包含六份規範:XSLT、XPath、Functions and Operators(F&O)、Data Model(XDM)、Formal Semantics 與 Serialization。和 1.0 一樣,它建立在 XML、命名空間等基礎規範之上,並把 XML Schema 納入自己的軌道。先前的需求文件已明確列出要實現的目標,也說明了開發 2.0 的必要性。

本文以 2006 年 6 月的候選推薦標準為基礎,介紹 2.0 中最有可能說服你升級的那些特性。從候選推薦標準到正式推薦標準之間,W3C 仍可能在細節上調整,但本文的內容大體仍然適用。

分組(Grouping)

1.0 時代最早出現的「民間技術」,就是處理這樣一組元素:每個元素都帶著某個屬性或後代,用來標示它屬於哪一組。1.0 規範完全沒解這個問題,於是早期作者們提煉出一套寫法——在程式碼裡並不好讀,但通常能靠 for-each 迴圈認出來:

<xsl:if test="generate-id(.)=generate-id(set[@grp=$thisvalue][1])">
  ...once-per-group code...
</xsl:if>

這裡比較 generate-id() 的值,是為了判斷當前節點是否為 @grp 等於 $thisvalue 的第一個節點。當節點母體很大、而每輪又要換一個鍵值時,這種「我是不是第一個」的作法效率可能很差。

2.0 用新的 xsl:for-each-group 指令搭配兩個輔助函數 current-group() 與 current-grouping-key() 來解決。它們的作用對象是一組相似節點,概念上和 xsl:for-each 搭配 current() 幾乎一樣;而且和 for-each 相同,for-each-group 也允許用 xsl:sort 作為子元素來控制處理順序。熟悉 xsl:for-each 的人會發現它學起來輕鬆自然。此外,分組還能改善效能,因為處理程序得以自行優化分組邊界的偵測方式。

分組的變化很多,這裡只示範最常見的「對整體分組」情境。它共有四種方法,前三種會考慮分組節點的出現順序,第四種則是 SQL 使用者熟悉的按鍵值分組。每次使用 xsl:for-each-group 都必須指定其中一種:

group-by

用一個運算式說明如何取得母體中每個成員的鍵值(概念上類似 xsl:key 的 @use 或 xsl:sort 的 @select)。最常見的情形是母體含多個元素,而每個元素都有某個已知屬性可作依據。假設你手上有組織各分支機構的財務資料,每個分支機構都指定了一個地理區域,XML 可能長這樣:

<branch id="B723" region="Northeast">...data...</branch>
<branch id="B201" region="North">...data...</branch>
<branch id="B558" region="Northeast">...data...</branch>
<branch id="B064" region="West">...data...</branch>
etc.

要把 <branch> 依區域歸攏,寫:

<xsl:for-each-group select="branch" group-by="@region">
  ...once-per-region code...
</xsl:for-each-group>

迴圈體內,current-grouping-key() 保存著當前的 @region 值;接著用 <xsl:for-each select="current-group()">...once-per-branch code...</xsl:for-each> 就能逐一走訪該區域下的所有分支機構。順帶一提,如果你只想要所有鍵值(此例為區域名稱)的清單,其實不必分組——直接用新函數 distinct-values() 即可。

group-by 不在乎節點順序,也允許指定多個鍵,因此同一節點出現在多個組裡是有可能的。規則只有一條:在同一個分組內,每個成員節點只能出現一次。

group-ending-with

這個方法針對「已排序、且帶有標記節點(通常代表一組結束)」的母體而設計。例如數字報表裡常見的 <subtotal>、<total>、<grand-total>。@group-ending-with 使用 XSLT 模式語法來指定如何辨認標記節點。要用 1.0 達到同樣效果可能非常痛苦:得混用 position()、遞迴與 preceding-sibling 軸,甚至要拆成兩階段處理。

group-starting-with

與前一個類似,只是標記節點出現在分組的開頭。處理莎士比亞劇作的 XML 版本時就會用到這種形式(這類版本在網路上已流傳多年):<speech> 與 <line> 依序出現,說話角色則以獨立元素標示;場景中的 <StageDir> 元素按需要出現,但仍維持一定的順序。某些應用可能希望某些兄弟元素變成嵌套結構,或反之——分組正好能化解這類問題。例如讓 <StageDir> 元素作為標記,把它生效期間的所有其他元素歸為一組。

group-adjacent

與 group-by 類似,也是看節點值而非模式來切組,但它會留意母體中的元素順序:持續監視每個元素都有的某個節點(屬性或後代),當它的值與上一個不同時,就切出一個新組。它也常被拿來做固定大小的分組,例如:

<xsl:for-each-group select="item" group-adjacent="ceiling(position() div 4)">

這段會把 <item> 每四個歸為一組。

另外值得知道的是,2.0 提供了幾個運算子,讓「檢查節點順序」與「檢查節點相等」變得容易許多。前面用到的 generate-id(),本質上就是在判斷兩個路徑是否指向同一個節點;2.0 直接給了 is 運算子。類似地,>> 與 << 用來判斷某節點在文件順序上位於另一節點之後或之前。這些運算子能簡化 for-each-group 未涵蓋的各種情境。

關於分組還有大量技巧,這一小節只是讓你對可能性有個整體感受。

隱含文件節點(IDN)

1.0 最令人沮喪的設計之一,是結果樹片段(Result Tree Fragment, RTF)的限制。雖然樹狀的變數可以被複製進結果,或被當成字串看待,卻無法用標準 XSLT/XPath 工具像樹那樣導航。也許你和很多人一樣,曾反覆咀嚼 1.0 規範第 11.1 節那段話:「結果樹片段相當於只含一個根節點的節點集,但僅支援節點集操作中的一個子集——只有能用於字串的操作才可用於結果樹片段……」讀完大概會納悶:為什麼我不能直接拿 XPath 運算式去走這棵樹?

多數 1.0 處理程序為此提供了擴充函數,通常叫 node-set(),能把 RTF 變成可導航、可篩選的樹。回想一下 1.0 的 xsl:variable:它可以帶 @select(值為節點集或單一原子節點),也可以用內容建構子當子元素來產生 RTF。後一種寫法在 2.0 中建立了隱含文件節點(Implicit Document Node, IDN)——這是一種新增的暫存樹結構。也就是說,原本會產生 RTF 變數的 1.0 樣式表,在 2.0 中會產生 IDN。

如果你需要 xsl:choose、xsl:call-template 這類程式化指令,xsl:variable 裡仍然得用內容建構子(2.0 改名為序列建構子),因此仍會產生 RTF/IDN 樹。與以往不同的是:你固然可以用 xsl:copy-of 把整個 IDN 樹複製到輸出,但也可以直接在路徑運算式中使用該變數,不必先轉成節點集。

IDN 或其子樹可以直接出現在 xsl:apply-templates 的 select 運算式中,處理方式與 XML 輸入文件完全相同。這在無形中形成了一種兩階段轉換,但你並不需要把處理程序的執行切分成第一階段與第二階段。若你要建構帶有大量交叉參照的 XML 文件,切成兩三個階段會方便得多。而且少了節點集函數,就不會出現「一份 RTF、一份節點集」兩個樹副本互相打架的混亂局面;對大型暫存樹而言,這也省下可觀的記憶體。此外,若建構 IDN 時設定了 ID 型別的屬性或適當的鍵,還可以用 id() 與 key() 做索引式存取——2.0 版這兩個函數甚至多了一個參數,可把檢索範圍限定在目標樹內。

IDN 變數參照後面可以直接接路徑步(如 /child)與篩選條件(如 [@foo="yes"]),為 xsl:for-each 選出要遍歷的節點集,或作為其他 select 運算式中的位址值;同樣也能用在 xsl:if 與 xsl:when 的 test 運算式中。

另外,xsl:variable 提供了型別宣告的選項(@as)。因此它可以搭配序列建構子取代 @select,不必建立完整的 IDN,而是產生獨立的屬性節點、註解與處理指令;也能產生不帶文件節點的獨立元素(這點和 IDN 不同);甚至可以產生原子值序列——這反倒容易和節點集搞混。下面的例子示範如何用 @as 只產生一個序列,不建立文件節點也不建立任何元素:

<xsl:variable name="values" as="xs:double*">
  <xsl:sequence select="(1,3,5)"/>
  <xsl:if test="@m='large'">
    <xsl:sequence select="(2,4,10)"/>
  </xsl:if>
</xsl:variable>

變數 $values 既不是節點集也不是 IDN,只是一串 xs:double 原子值。(本文中的前綴 xs 一律指向 XML Schema 資料型別的命名空間。)

自訂函數

2.0 新增的 xsl:function 指令,讓樣式表作者能用純 XSLT 的語言與語意在樣式表內定義自己的函數。當然,前提是你已經翻過 F&O 與 XSLT 2.0 規範提供的 128 個函數與 68 個運算子,確認沒有現成可用的。xsl:function 的實際寫法可參考後文〈字元對映〉一節。

1.0 時代因為無法便利地建立自訂函數,作者們只好各顯神通:呼叫命名模板、用其他語言寫擴充函數,或者寄望於 EXSLT 這類準標準擴充庫。F&O 與 EXSLT 有部分重疊,但各自都有對方沒有的函數。EXSLT 也定義了擴充指令 func:function,語法與 xsl:function 幾乎相同(用過 func:function 的人,轉到 XSLT 2.0 時記得改名)。使用 EXSLT 的風險在於:有些實作只是有選擇地支援,而且無法保證未來會繼續支援。

用其他語言自寫擴充函數通常費時費力,而且成果往往綁死在單一處理程序上,還要受該處理程序公開的機制與資料結構牽制。在 1.0 中,撰寫命名模板是最保险的作法,不依賴特定實作的限制;但呼叫命名模板需要更多 XSLT 指令,不像呼叫函數那樣緊湊,也不容易嵌進 XPath 運算式裡。另一個限制則與 xsl:variable 內容中呼叫命名模板會產生結果樹片段有關(見上一節)。

因此,如果某個 1.0 樣式表因為依賴擴充函數而跑不了 2.0 處理程序,順序應該是:先查 F&O 與 XSLT 2.0 規範有沒有現成函數;找不到就試著用樣式表函數自己寫一個。EXSLT 為部分(不是全部)函數提供了基本等價的命名模板,可以拿來當撰寫參考——記得 EXSLT 是為 1.0 設計的,改用 2.0 語法還能再簡化一層。如果你判斷某個擴充函數確實優於樣式表函數,也可以把樣式表函數當成「擴充函數不可用時」的後備方案。

日期與時間資料

2.0 標準家族正式支援日期/時間資料,包含一組可進行時間運算的函數與運算子。你不必再把日期時間當字串處理、靠擷取子字串取出各欄位再自行轉型。這些型別來自 XML Schema Part 2,涵蓋時間點與時期限兩類。若啟用模式感知,這些型別的值可以來自轉換的輸入文件或函數回傳值;2.0 的一些指令也提供了型別斷言機制,例如新增的 @as 屬性。

需要建立時間相關型別的單一值時,用型別建構子函數並傳入字串表示即可。例如 xs:time('12:34:56') 會回傳一個型別標記為「一日中的某時刻」的值。這類建構子函數的名稱與 XML Schema 內建型別同名:xs:date、xs:time、xs:dateTime、xs:duration、xs:gYear、xs:gMonth、xs:gDay、xs:gYearMonth、xs:gMonthDay,再加上 xs:yearMonthDuration 與 xs:dayTimeDuration。

有了代表 12:34:56 的值之後,你可以加上一個時期限,得到稍晚的時刻。規範提供了大量新函數與運算子,在時間點與時期限之間進行恰當的算術運算:時期限可乘上純量得到更長或更短的時期限,也可除以純量或另一個時期限;兩個 dateTime 相減會得到一個時期限;同型別的兩個值可以互相比較。舉例來說,PT90S(90 秒)的 dayTimeDuration 與正規化後的 PT1M30S(1 分 30 秒)比較結果相等。某些型別還定義了不等的關係:針對時期限,「大於」代表更長;針對日期,「大於」代表更晚。

此外還有一組名稱一目了然的欄位抽取函數,一個操作就能從日期、時間或時期限中取出單一欄位。例如:

minutes-from-dateTime(xs:dateTime('2005-07-01T14:06:32'))

會回傳整數 6。而過去要取出分鐘,得混用 substring-before()、substring-after(),可能還要加上 number()。新寫法光看函數名稱就知道在做什麼。

如果 1.0 樣式表大量處理時間資料,大概得呼叫一些專門的命名模板。當模板回傳值要餵給 XPath 運算式時,這特別麻煩,因為必須用 xsl:variable 把模板呼叫包起來,於是又得到一個 RTF。一般情況下,2.0 首選 xsl:function;但對時間相關資料,你手上多了 24 個新函數、44 個新運算子,再加上型別建構子可選。對照之下,某些 1.0 處理程序提供的 EXSLT 時間套件只有 28 個函數(含一個格式化函數)。

回應使用者長期的呼聲,新函數集也提供了取得當前時間、日期或 dateTime 的函數,樣式表因此可以為輸出加上時間戳記。

以上都是依實際型別處理的情形。這些函數由 XSLT 與 XQuery 共用;而由於 XSLT 還肩負生成可呈現資訊的任務,它另外提供了接受 date、time 或 dateTime 值並產生帶有所需修飾字串(例如月份名稱的拼寫)的函數。2.0 規範允許實作在語言、數字等細節上有所選擇。如果這些對你很重要,現在就可以開始整理需求清單,等規範定案後再逐項核對各處理程序是否具備。

模式感知(Schema-awareness)

模式感知在 XSLT 2.0 中是選配特性,但一旦處理程序支援,你會發現它相當實用。它的主要用途是錯誤檢查:用 XML Schema 驗證輸入與輸出,並允許樣式表依 Schema 型別來參照來源節點。對 1.0 作者而言,這等於能在除錯耗盡你的耐心之前,先把錯誤攔下來。可透過下列機制運用:

@as 屬性
  用在 xsl:variable、xsl:param、xsl:function 或 xsl:template 上,
  斷言產生的結果樹或序列是目標 Schema 型別的實例。

instance of
  對序列、單一原子值或節點使用,檢驗是否為目標 Schema 型別的實例。

@validation 與 @type 屬性
  (Literal Result Element 則為 @xsl:validation 與 @xsl:type)
  依 Schema 型別定義或頂層元素/屬性定義來驗證節點。

cast as 與型別建構子函數
  把原子型別強制轉換成 Schema 型別。

castable as
  檢查能否進行強制轉型的運算子。

element(*,type) 與 attribute(*,type)
  只回傳標記為目標 Schema 型別的元素或屬性節點。

schema-element(elemDecl) 與 schema-attribute(attribDecl)
  回傳與 Schema 元素/屬性定義相符的元素或屬性節點。

序列化與輸出的改進

xsl:result-document

一個 2.0 樣式表可以產生多棵結果樹,並在不同位置分別序列化。關於新指令 xsl:result-document 的用法,可參考〈在 XSLT 2.0 中建立多個檔案〉一文。

字元對映(Character maps)

1.0 作者常誤用 disable-output-escaping(d-o-e)屬性,因為沒有充分理解標記與文字之間的分野。這其實是架構上的缺陷:它要求序列化器除了 XPath 資料模型與序列化參數所公開的資訊之外,還得知道每個節點的額外欄位,模糊了「轉換」與「序列化」的界線。因此 XSL 工作組不鼓勵使用它,並在 2.0 中引入字元對映:這是在序列化階段進行的字元替換,特定字元會被對映成 use-character-maps 序列化參數所要求的另一個字元——即使結果會讓 XML 不再是格式良好的。

下面的樣式表示範如何用字元對映取代 @disable-output-escaping,同時也示範如何只對結果樹中選定的節點套用對映。這個範例刻意選用罕見字元(例如左尖引號 «)作為替身,並假設它們不會出現在結果序列中;若你需要絕對保險,可以挑更罕見的字元。

<xsl:output use-character-maps="my:charMap" />

<xsl:character-map name="my:charMap">
  <xsl:output-character character="«" string="<" />
  <xsl:output-character character="»" string=">" />
  <xsl:output-character character="§" string="&" />
  <xsl:output-character character="¤" string="'" />
  <xsl:output-character character="¦" string='"' />
</xsl:character-map>

<xsl:function name="my:d-o-e" as="xs:string">
  <xsl:param name="str" as="xs:string" />
  <xsl:sequence select="translate($str, '<>&''"',
    '«»ruptcy§¤¦')" />
</xsl:function>

<xsl:template match="/doc">
  Replace
  <xsl:value-of select="." />
  With
  <xsl:value-of select="my:d-o-e(.)"/>
</xsl:template>

另一種技巧是把 &、<、>、單引號與雙引號自我對映,藉此跳過序列化階段的轉義步驟——因為該步驟不會套用在已被對映的字元上:

<xsl:character-map name="my:charMap">
  <xsl:output-character character="<" string="<" />
  <xsl:output-character character=">" string=">" />
  <xsl:output-character character="&" string="&" />
  <xsl:output-character character="'" string="'" />
  <xsl:output-character character='"' string='"' />
</xsl:character-map>

Unicode 正規化

這是使用者長期以來的請求,於是 2.0 提供了兩種正規化途徑。若要選擇性正規化,用 F&O 函數 normalize-unicode();序列化參數 normalization-form 則會影響整棵最終結果樹。搭配字元對映時,要先想清楚:你要正規化的是對映前的字元,還是對映後的字元?前者用 normalize-unicode(),後者用 normalization-form 參數。

URI 轉義的三個函數

F&O 規範定義了 encode-for-uri()、iri-to-uri() 與 escape-html-uri(),用來對構成 URI 或其部分的字串做百分比編碼。在 URI 中,具有語法意義的字元可以用「百分比符號 + 兩位十六進位數字」來轉義,例如 %20 代表空格。EXSLT 的 str:encode-uri() 也做百分比編碼,但比 encode-for-uri() 少處理 5 個保留字元。一般情況下,F&O 這三個函數已經夠用。若要控制 HTML 輸出中 URI 屬性的轉義,可使用 escape-uri-attributes 序列化參數——這個參數在 1.0 中並不存在,所以那時 URI 轉義是躲不掉的。

以下列出 US-ASCII 可列印字元(十進位碼值 32 到 126)中,各函數會做百分比編碼的部分:

fn:iri-to-uri()        "  <  >  \  ^  `  {  |  }  空白
str:encode-uri()       "  #  $  %  &  +  ,  /  :  ;  <  =  >  ?  @  [  \  ]  ^  `  {  |  }  空白
fn:encode-for-uri()    !  "  #  $  %  &  '  (  )  *  +  ,  /  :  ;  <  =  >  ?  @  [  \  ]  ^  `  {  |  }  空白
fn:escape-html-uri()   不對上述任何字元編碼

建立命名空間節點

新增的 xsl:namespace 指令,明顯是為了提供一個直接建立命名空間節點的方法,補上 1.0 的缺口。在 1.0 中,不知情的人可能試著用 xsl:attribute 搭配 xmlns:prefix 這樣的名稱來建立命名空間,但命名空間節點其實只能間接產生:要嘛從來源文件複製元素或命名空間節點,要嘛(若實例化了 LRE)從樣式表複製命名空間,要嘛建立某個位於該命名空間中的元素或屬性。換句話說,1.0 裡你要嘛使用已存在的命名空間,要嘛靠建立其他不需要的節點「順便」產生它。

XML 1.1(前綴未宣告與 Unicode 正規化)

符合 XSLT 1.0 的處理程序也可以用某種最終修正版本的方式支援 XML 1.1。對 1.0 與 2.0 而言,XML 1.1 都是選配的;但若支援,仍要注意序列化屬性 normalization-form 與 undeclare-prefixes 只能用在 XSLT 2.0,不能用在 1.0。

XHTML 輸出方法

2.0 新增了 XHTML 輸出方法,所有符合 Serialization 規範的處理程序都必須支援。在 1.0 中也能輸出 XHTML:只要把輸出設為 XML,並設定 xsl:output 的 doctype-system 與 doctype-public 屬性,就能確保 <!DOCTYPE> 宣告被序列化。但由於 XHTML 規範附錄 C 列出的那些細微差異,某些原本為處理 HTML 而設計的工具仍可能出問題。

xsl:value-of 的分隔符屬性

最受歡迎的 1.0 指令大概就是 xsl:value-of——把值當字串放進輸出。很多人拿它當除錯工具,但一旦不確定運算式會回傳幾個節點,就還得回頭用 count(expr) 確認。在 2.0 中,xsl:value-of 不只輸出集合的第一個成員,而是遍歷整個序列,還能用 separator 屬性控制分隔字串(若你確實只想要第一個成員,在支援 BC 的 2.0 處理程序上於指令標 version="1.0" 即可)。

這一行:

<xsl:value-of select="/doc/*" separator="', '"/>

就能取代下面一整段 1.0 程式碼:

<xsl:template match="/doc">
  <xsl:call-template name="valueOfWithSeparator">
    <xsl:with-param name="nodes" select="*" />
    <xsl:with-param name="separator" select="', '" />
  </xsl:call-template>
</xsl:template>

<xsl:template name="valueOfWithSeparator">
  <xsl:param name="nodes" />
  <xsl:param name="separator" select="' '" />
  <xsl:for-each select="$nodes">
    <xsl:if test="not(position() = 1)">
      <xsl:value-of select="$separator" />
    </xsl:if>
    <xsl:value-of select="." />
  </xsl:for-each>
</xsl:template>

位元組順序標記(BOM)

若要控制樣式表中的位元組順序標記(Byte-order-mark, BOM),可使用 byte-order-mark 序列化參數。要注意,規範允許實作覆寫這個值。在 1.0 中,實作可以在 UTF-8 文件中加上 BOM,UTF-16 與 UTF-32 可能也是如此;要嘛實作必須提供擴充屬性,要嘛使用者得自己做轉換後的外部處理,才能確保 BOM 被加上或移除。

結語

本文涵蓋了 XSLT 2.0 中最迫切要求的主要特性;XPath 與函數庫的細節留待後續討論。如果讀到這裡,你還沒看到那個能讓你心甘情願升級的理由,那就期待下一篇吧。

XML學習教程| jQuery入門知識| AJAX入門| Dreamweaver教程| Fireworks入門知識| SEO技巧| SEO優化集錦|
Copyright © DIV+CSS佈局教程網 All Rights Reserved