大小写不敏感搜索 - xpath

Question

我试图使用以下XPath表达式在我的XML文档中进行不区分大小写的搜索。显然，我的做法有误，因为结果不同。希望这里有人能指出我的错误。

我尝试获取所有<Sect>下Obj元素的计数，其中<Header>值为Primary Objectives。为了得到计数，我使用以下表达式，它运行良好。

表达式-不区分大小写：返回31个节点。

("count(//TaggedPDF-doc//Part//Sect//Sect//Sect[contains(Header,\"Primary objectives\")]//OBJ)");

但我希望使“主要目标”不区分大小写。因此，我尝试使用翻译来实现这一点。 表达式-添加翻译以使“主要目标”不区分大小写。

返回0个节点。

$count = $dom->findvalue("count(//TaggedPDF-doc//Part//Sect//Sect//Sect[contains(H4,
         translate(\"Primary Objectives\", 
                   'ABCDEFGHJIKLMNOPQRSTUVWXYZ', 
                   'abcdefghjiklmnopqrstuvwxyz')
         )
]//OBJ)");

希望有人能指出我的错误所在。

提前致谢， Simak

- BRZ

Answer 1

首先，您可能不需要所有这些//步骤，因为//允许在两侧命名的节点之间具有任意数量的元素级别 - 要么使用单个/步骤枚举从根开始的完整路径，要么只使用一个//搜索整个树。

其次，您需要将比较的Header值转换为小写字母，而不是与之进行比较的固定字符串。尝试使用类似以下内容的东西

count(//Sect[
          Header[
            contains(
              translate(
                .,
                'ABCDEFGHIJKLMNOPQRSTUVWXYZ',
                'abcdefghijklmnopqrstuvwxyz'),
              'primary objectives'
            )
          ]
        ]//Obj)

这段话的意思是：“它将提供您在任何包含“主要目标”（不区分大小写）的Header子元素的Sect中发生的Obj元素的计数。这与…略有不同。”

count(//Sect[contains(translate(Header, ....

在Sect包含多个Header的情况下，Header只会检查每个Sect中的第一个Header，而不是在其中任何一个寻找匹配项。

- Ian Roberts

Answer 2

如果你有一个XPath 2.0（或更高版本）的实现——包含在XQuery中——你可以使用它。

count(
  //TaggedPDF-doc//Part//Sect//Sect//Sect[
    contains(lower-case(H4), 'exclusion criteria')
  ]//OBJ
)

XPath 2.0处理器的Perl接口（实际上是支持XQuery的XML数据库）存在于eXist DB, BaseX, Saxon和许多其他中。

- Jens Erat

---

一般来说，为了进行不区分大小写的匹配，您需要将字符转换为折叠大小写（而不是小写）。但由于所有字符都是ASCII字母，这种方法也可以奏效，而且比转换的替代方案更容易输入。 - ikegami

Answer 3

您需要折叠这两个字符串：

contains(translate(Header, '...', '...'), 'primary objectives')

---

请注意，您可以使用以下代码：

。

# Letters of "primary objectives"
'ABCEIJMOPRSTVY', 'abceijmoprstvy'

代替更大但仍有限的集合。

 # Some of the latin letters
'ABCDEFGHJIKLMNOPQRSTUVWXYZ', 'abcdefghjiklmnopqrstuvwxyz'

- ikegami

Answer 4

你正在尝试检查H4的内容是否包含转换为小写的“排除标准”。

计数 = $dom->findvalue("count(//TaggedPDF-doc//Part//Sect//Sect//Sect[contains(H4, translate(\"排除标准\", 'ABCDEFGHJIKLMNOPQRSTUVWXYZ', 'abcdefghjiklmnopqrstuvwxyz') )

]//OBJ)");

这与以下操作相同：

count = $dom->findvalue("count(//TaggedPDF-doc//Part//Sect//Sect//Sect[contains(
        H4, \"exclusion criteria\"
     )
]//OBJ)");

你需要做的是将H4标签中的内容转换为小写，并将其与你搜索的小写版本进行比较；在这种情况下，即"排除标准"。

count = $dom->findvalue("count(//TaggedPDF-doc//Part//Sect//Sect//Sect[contains(
     translate(H4, 
         'ABCDEFGHJIKLMNOPQRSTUVWXYZ', 
         'abcdefghjiklmnopqrstuvwxyz'), 
     \"exclusion criteria\"
     )
]//OBJ)");

- Mash