给xpath添加正则表达式匹配函数

  做网页解析时,将html转成xml格式之后,再利用xpath则可以轻易地截取任何所需要的数据。在使用xpath时,常常会用到其中的一些函数,特别是字符串函数,完整的函数列表可在w3school找到:http://www.w3school.com.cn/xpath/xpath_functions.asp#string)。然而这仅仅是标准xpath里所提供的,dotnet里这只实现了一部分,特别是本标题所提到的正则匹配函数fn:matches(string,pattern),dotnet里竟然不支持。虽然dotnnet里还是能用诸如contains等判断函数,但比起强大的正则表达式,其实现的功能远远不能满足要求。

  为了能够更加灵活、方便的匹配字符串,需要给xpath添加自定义的正则匹配函数,幸好dotnet提供了接口,先看看这些基类及接口。

  XsltContext

  封装可扩展样式表转换语言 (XSLT) 处理器的当前执行上下文,使 XML 路径语言 (XPath) 在 XPath 表达式中解析函数、参数和命名空间。需要定义一个继承XsltContext的子类,实现对自定义函数的调用。

  IXsltContextFunction

  为在运行库执行期间在可扩展样式表转换语言 (XSLT) 样式表中定义的给定函数提供一个接口。实现该接口的子类定义以及提供自定义函数的功能。

  IXsltContextVariable

为在运行库执行期间在样式表中定义的给定变量提供一个接口。其子类实现在调用自定义函数时,参数值的计算。

   涉及类比较多,但是在具体实现远没有那么复杂,后续添加其他函数也很方便。

关键代码

实现XsltContext
public class XpathContext : XsltContext
    {
        
// XsltArgumentList to store my user defined variables
        private XsltArgumentList m_ArgList;
        
// Constructors 
        public XpathContext()
        { }
        
public XpathContext(NameTable nt)
            : 
base(nt)
        {
        }
        
public XpathContext(NameTable nt, XsltArgumentList argList)
            : 
base(nt)
        {
            m_ArgList 
= argList;
        }
        
// Returns the XsltArgumentList that contains custom variable definitions.
        public XsltArgumentList ArgList
        {
            
get
            {
                
return m_ArgList;
            }
        }
        
// Function to resolve references to my custom functions.
        public override IXsltContextFunction ResolveFunction(string prefix,
     
string name, XPathResultType[] ArgTypes)
        {
            XPathExtensionFunction func 
= null;
            
// Create an instance of appropriate extension function class.
            switch (name)
            {
                
// 匹配正则表达式, XPath1.0没有该方法
                case "Match":
                    func 
= new XPathExtensionFunction("Match"12new
        XPathResultType[] { XPathResultType.NodeSet, XPathResultType.String }, XPathResultType.Boolean);
                    
break;
                
// 去除空格
                case "Trim":
                    func 
= new XPathExtensionFunction("Trim"11,
                        
new XPathResultType[] { XPathResultType.String }, XPathResultType.String);
                    
break;
                
default:
                    
throw new ArgumentException("没有定义" + name + "函数");
            }

            
return func;
        }

        
// Function to resolve references to my custom variables.
        public override IXsltContextVariable ResolveVariable(string prefix, string name)
        {
            
// Create an instance of an XPathExtensionVariable.
            XPathExtensionVariable Var;
            Var 
= new XPathExtensionVariable(name);
            
return Var;
        }
        
public override int CompareDocument(string baseUri, string nextbaseUri)
        {
            
return 0;
        }
        
public override bool PreserveWhitespace(XPathNavigator node)
        {
            
return true;
        }
        
public override bool Whitespace
        {
            
get
            {
                
return true;
            }
        }
    }
实现IXsltContextFunction
    /// <summary>
    
/// 自定义正则表达式函数
    
/// </summary>
    public class XPathExtensionFunction : IXsltContextFunction
    {
        
private XPathResultType[] m_ArgTypes;
        
private XPathResultType m_ReturnType;
        
private string m_FunctionName;
        
private int m_MinArgs;
        
private int m_MaxArgs;
        
        
/// <summary>
        
/// 获取函数的参数的最小数目。这使用户能够区分重载函数
        
/// </summary>
        public int Minargs
        {
            
get
            {
                
return m_MinArgs;
            }
        }

        
/// <summary>
        
/// 获取函数的参数的最大数目。这使用户能够区分重载函数
        
/// </summary>
        public int Maxargs
        {
            
get
            {
                
return m_MaxArgs;
            }
        }

        
/// <summary>
        
/// 获取为函数的参数列表提供的 XML 路径语言 (XPath) 类型。该信息可用于发现函数的签名,该签名使您能够区分重载函数
        
/// </summary>
        public XPathResultType[] ArgTypes
        {
            
get
            {
                
return m_ArgTypes;
            }
        }

        
/// <summary>
        
/// 获取 XPathResultType,它表示函数返回的 XPath 类型
        
/// </summary>
        public XPathResultType ReturnType
        {
            
get
            {
                
return m_ReturnType;
            }
        }

        
/// <summary>
        
/// 创建自定义函数的实例
        
/// </summary>
        
/// <param name="name">方法名称</param>
        
/// <param name="minArgs">最小参数个数</param>
        
/// <param name="maxArgs">最大参数个数</param>
        
/// <param name="argTypes">参数类型数组</param>
        
/// <param name="returnType">返回类型</param>
        public XPathExtensionFunction(string name, int minArgs, int maxArgs, XPathResultType[] argTypes, XPathResultType returnType)
        {
            m_FunctionName 
= name;
            m_MinArgs 
= minArgs;
            m_MaxArgs 
= maxArgs;
            m_ArgTypes 
= argTypes;
            m_ReturnType 
= returnType;
        }

        
// 在运行时调用
        public object Invoke(XsltContext xsltContext, object[] args, XPathNavigator docContext)
        {
            
// The two custom XPath extension functions
            switch (m_FunctionName)
            {
                
case "Match":
                    
// 调用正则匹配 参数一为正则表达式
                    return Regex.IsMatch(docContext.InnerXml, args[0].ToString());
                
case "Trim":
                    
return docContext.Value.Trim();
                
default:
                    
throw new ArgumentException("没有定义" + m_FunctionName + "函数");
            }
        } 
    }

具体调用(代码中连接来源于国家旅游局)

static void Main(string[] args)
        {
            
string xml = @"
            <links>
            <a  href=""http://www.cnta.gov.cn/html/2009-12/2009-12-3-16-30-23909.html"">2009年1-9月主要城市接待情况(二)</a>
            <br/>
            <a href=""http://www.cnta.gov.cn/html/2009-10/2009-10-16-10-2-71826.html"">2009年1-8月主要城市接待情况(二)</a>            
            <br/>
            <a href=""http://www.cnta.gov.cn/html/2009-10/2009-10-16-10-2-71826.html"">2009年1-8月主要城市接待情况(二)</a>
            </links>
";

            XmlDocument doc 
= new XmlDocument();
            doc.LoadXml(xml);

            XpathContext xpathContext 
= new XpathContext();

            XmlNode node 
= doc.SelectSingleNode(@"//a[Match('\d{4}年\d{1,2}-\d{1,2}月主要城市接待情况\(二\)')]", xpathContext);

            Console.WriteLine(node.Attributes[
"href"].Value);
        }


 完整代码


 

 

 

 

 

 

posted @ 2009-12-18 10:26  神八  阅读(14463)  评论(1编辑  收藏