Ключевые слова в XSLT

Question

Я тоже, глядя на тип ключевого слова механизма подсчета, как была размещена здесь Word Frequency Counter in XSLT:

Мой морщин является то, что мои ключевые слова могут иметь несколько слов, например:

<xsl:variable name="stopwords" 
select="('audio codec', 'dual audio', 'audio switch')"/> 

I играл с кодом из выше вопрос, а что-то вроде этого:

<xsl:stylesheet 
    version="2.0" 
    xmlns:xsl="http://www.w3.org/1999/XSL/Transform"> 

<xsl:output method="xml" indent="yes"/> 

<xsl:template match="/"> 

<xsl:variable name="stopwords" 
    select="('audio codec', 'dual audio', 'audio switch')"/> 
    <wordcount> 
     <xsl:for-each-group group-by="." select=" 
      for $w in //text()/tokenize(., '\W+')[not(.=$stopwords)] return $w"> 
      <word word="{current-grouping-key()}" frequency="{count(current-group())}"/> 
     </xsl:for-each-group> 
    </wordcount> 
</xsl:template> 

Конечно, токенизация с помощью «\ W +» разбивает это на слова, но тогда это не будет соответствовать моим секундомерам, поскольку они есть и могут быть несколькими словами.

Может ли кто-нибудь предложить элегантный способ подсчета слов, когда ключевые слова могут иметь несколько разворотов?

Спасибо за любую помощь в этом!

Russ

Answer 1

Учитывая этот вход XML:

<?xml version="1.0" ?> 
<a> 
    <b>match: audio switch</b> 
    <c>no match:</c> 
    <d>no match: audiocodec</d> 
    <e attr="no match: audio codec"/> 
    No match: Audio switch/dual AUDIO 
    Match x2: audio switch/dual audio/audio switch 
    No match: <f>xxx audio</f><g>codec yyy</g> 
</a> 

Это XSLT:

<xsl:stylesheet version="2.0" 
       xmlns:xsl="http://www.w3.org/1999/XSL/Transform" 
       xmlns:f="http://example.com/f" 
       exclude-result-prefixes="f"> 
    <xsl:output method="xml" encoding="UTF-8" indent="yes"/> 

    <xsl:variable name="keyphrases" 
       select="('audio codec', 'dual audio', 'audio switch')"/> 

    <xsl:template match="/"> 
    <xsl:variable name="docText" select="string-join(//text(), '|')"/> 
    <keyphrases> 
     <xsl:for-each select="$keyphrases"> 
     <keyphrase phrase="{.}" count="{f:substr-count($docText, .)}"/> 
     </xsl:for-each> 
    </keyphrases> 
    </xsl:template> 

    <xsl:function name="f:substr-count"> 
    <xsl:param name="s"/> 
    <xsl:param name="substr"/> 
    <xsl:value-of select="if ($s and $substr and contains($s, $substr)) 
          then f:substr-count(substring-after($s, $substr), $substr)+1 
          else 0"/> 
    </xsl:function> 

</xsl:stylesheet> 

будет производить этот выходной XML, который подсчитывает вхождений ваших "стоп" слова (который я переименовал в keyphrases):

<?xml version="1.0" encoding="UTF-8"?> 
<keyphrases> 
    <keyphrase phrase="audio codec" count="0"/> 
    <keyphrase phrase="dual audio" count="1"/> 
    <keyphrase phrase="audio switch" count="3"/> 
</keyphrases> 

Answer 2

Не может быть проще? Например:

<xsl:for-each select="$stopwords"> 
     <word word="{.}" frequency="{count(tokenize($all-text, .)) - 1}"/> 
    </xsl:for-each> 

Демонстрация:
http://xsltransform.net/94hvTyW
http://xsltransform.net/94hvTyW/1

Для того, чтобы избежать ложных положительных матчей, например, «Двойная аудио» соответствие «отдельная аудиограммы», вы можете использовать:

tokenize($all-text, concat('\W', ., '\W')) 

К сожалению, XPath регулярного выражение не имеет якоря границы слова (см: https://stackoverflow.com/a/25464233/3016153), так что может быть безопаснее, предварять и добавьте пробел к переменной $ all-text.