XSL - 删除不间断空格

Question

在我的XSL实现中（2.0），我尝试使用以下语句来删除文本节点内的所有空格和非换行空格。它可以删除空格，但无法删除非换行空格，其ASCII代码为：                              ​ 等。我正在使用SAXON处理器执行。

当前的XSL代码：

translate(normalize-space($text-nodes[1]),  ' ' , '' ))

我该如何将它们删除？请分享您的想法。

- Rachel

Answer 1

这些代码是Unicode而不是ASCII（大部分情况下），因此您应该使用replace函数，其中包含Unicode分隔符字符类的regex：

replace($text-nodes[1], '\p{Z}+', '')

更详细地说：

正则表达式\p{Z}+匹配一个或多个Unicode中“分隔符”类别中的字符。\p{}是类别转义序列，它匹配在大括号中指定的类别中的单个字符。Z指定“分隔符”类别（包括各种空白字符）。+表示“匹配前面的正则表达式一次或多次”。replace函数返回其第一个参数的版本，并用其第二个参数替换所有不重叠的子字符串，替换为其第三个参数。因此，这将返回$text-nodes[1]的一个版本，其中所有分隔符字符序列都被替换为空字符串，即被删除。

- wdebeaum

---

'[\p{Z}]+' 中的方括号是否必要？'\p{Z}+' 不应该就足够了吗？ - Martin Honnen

我在最初回答时不确定那一点，所以为了保险起见加上了它们。我刚刚再次查看了规范，你是正确的，方括号是不必要的，所以我将其删除了。 - wdebeaum

@wdebeaum：你能解释一下这个正则表达式吗？ - Rachel

@Rachel：看到我的修改了吗？我想想，这个 + 也没必要，但是为了教育价值，我还是留下了它。可能还能稍微提高效率，我不确定。 - wdebeaum

上述提到的正则表达式在指定字符方面运行良好。我遇到了一些特殊字符，它们看起来像空格或什么都没有，并且这些字符属于不同的Unicode类别。http://www.fileformat.info/info/unicode/category/Zs/list.htm，http://www.fileformat.info/info/unicode/category/Cf/list.htm，http://www.fileformat.info/info/unicode/category/Cc/list.htm。上述类别中有一些字符看起来像空格或什么都没有。如何忽略这些来自上述族群的看起来像空格或什么都没有的字符？ - Rachel

您需要链接的三个类别是“Zs”、“Cf”和“Cc”。我认为“Zs”包含在“Z”中，因此，如果您想要匹配其他两个类别中的所有字符，可以将它们的\p{}转义符放在方括号中，如下所示：[\p{Z}\p{Cf}\p{Cc}]。如果您只想要这些类别中的特定字符，则可以包含用于它们的实体引用。例如，要匹配分隔符，加上“零宽度空格”和“null”，请使用此正则表达式：[\p{Z}​�]。 - wdebeaum