XSLT, преобразующий файл, определенный в ASCII, который содержит символьные объекты Unicode - PullRequest
Новая
       47

XSLT, преобразующий файл, определенный в ASCII, который содержит символьные объекты Unicode

0 голосов
/ 24 февраля 2019

Я пытаюсь обработать XML-файл, который утверждает (правильно я верю), что он закодирован в 7-битном ASCII, но он содержит текстовые значения, которые включают в себя символьные объекты, такие как ×, которые преобразуются в символы Юникода.

Проблема заключается (я думаю) в том, что процессор (версия Xalan в комплекте с Treebeard) разрешает символьные объекты и превращает их в gobbledegook до того, как таблица стилей XSLT даже коснется содержимого.

Я собрал сокращенный тестовый пример ниже -

Входные данные XML 

<?xml version="1.0" encoding="ascii"?>
<root>
   <unit Code="[Btu_39]" CODE="[BTU_39]" isMetric="no" class="heat">
      <name>British thermal unit at 39&#160;&#176;F</name>
      <printSymbol>Btu<sub>39&#176;F</sub>
      </printSymbol>
      <property>energy</property>
      <value Unit="kJ" UNIT="kJ" value="1.05967">1.05967</value>
   </unit>
</root>

Таблица стилей XSLT 

<xsl:stylesheet
    version="1.0"
    xmlns:xsl="http://www.w3.org/1999/XSL/Transform">
    <xsl:output method="text" encoding="utf-8" />

    <xsl:variable name="sep" select='";"' />
    <xsl:variable name="mult" select='"&#215;"' />
    <xsl:variable name="crlf" select='"&#13;&#10;"' />
    <xsl:variable name="lf" select='"&#10;"' />

    <xsl:strip-space elements="name printSymbol value" />

    <xsl:template match="/root">
        <xsl:apply-templates select="*" />
    </xsl:template>

    <xsl:template match="/root/*">
        Type: <xsl:value-of select="name()" />
        Code: <xsl:value-of select="@Code" />
        CODE: <xsl:value-of select="@CODE" />
        Description: <xsl:apply-templates select="name" />
        Print: <xsl:apply-templates select="printSymbol" />
        Property: <xsl:apply-templates select="property" />
        Value: <xsl:apply-templates select="value" />
        <xsl:value-of select="$lf" />       
    </xsl:template>

    <xsl:template match="name|printSymbol|property">
        <xsl:value-of select="text()" />
    </xsl:template>

    <xsl:template match="value">
        <xsl:value-of select="concat(@value, $mult, @Unit, $lf)" />
    </xsl:template>

</xsl:stylesheet>

Вывод - обратите внимание, что символы степени (для градуса F) искажены 

Type: unit
Code: [Btu_39]
CODE: [BTU_39]
Description: British thermal unit at 39 °F
Print: Btu
Property: energy
Value: 1.05967×kJ

Я нашел подобные вопросы в разделах программирования и один ответбыло предварительно обработать входной файл для экранирования или кодирования символьных сущностей, но в этом случае я использую XSLT «голым» без какого-либо другого языка, поэтому мне действительно нужно чистое решение XSLT.

Идеи или ссылки на ответы очень ценятся.

- ОБНОВЛЕНИЕ - Мое первоначальное предположение было неверным.Некоторые эксперименты с другими форматами вывода показывают, что (например) с методом вывода, установленным на HTML, проблемные символы выводятся как объекты HTML.Это указывает на то, что символы являются , что превращает его в перевод без изменений.Я предполагаю, что это должна быть обработка вывода, вызывающая проблему.

В соответствии с просьбой я взял небольшой фрагмент текста (часть элемента имени «при 39 ° F») и выгрузил шестнадцатеричный код вводаи выходные строки.

hex analysis of a piece of the text

- ОБНОВЛЕНИЕ - Некоторые раскопки показали, что -

  1. Оригинальный инструмент (Древобородый)преобразовывал вывод в UTF-8, но затем: (а) отображал его неправильно (я думаю, что cp1252);(b) Преобразование вывода в cp1252 при записи вывода в файл.
  2. Второй инструмент (Простое преобразование XSLT) правильно отображал вывод utf8 на экране, но все же преобразовывался в cp1252 при записи на диск.
  3. A thread на этом сайте подтвердил, что Java запускает кодировку файла по умолчанию при запуске.Поскольку оба инструмента написаны на Java, это вызывало проблему с выводом файла.

Я следовал рекомендации в этом потоке, чтобы настроить переменную среды Windows следующим образом: JAVA_TOOL_OPTIONS = Dfile.encoding=UTF8

Успех!

Файл записан в utf8 и может быть успешно открыт в Notepad ++ или Excel (PowerQuery).Вы должны вручную установить кодовую страницу «cp65001» в PowerQuery, но она работает.

Спасибо тем, кто ответил, вы помогли мне встать на правильный путь.

...