如何使用 XSLT 精准提取并转换 XHTML 片段（含节点重写与属性修改）

本文介绍一种基于 XSLT 1.0 的可靠方案，用于从复杂 XHTML 中精准定位 div[@id='key_div'] 内自起的后续内容，将其转换为精简 HTML：将替换为，重写所有 /some/old/... 链接为 /new/...，并剔除无关节点。

本文介绍一种基于 xslt 1.0 的可靠方案，用于从复杂 xhtml 中精准定位 `div[@id='key_div']` 内自 `

` 起的后续内容，将其转换为精简 HTML：将 `

` 替换为 `

`，重写所有 `/some/old/...` 链接为 `/new/...`，并剔除无关节点。

要实现目标效果，关键在于改变匹配策略：不再通配 div[@id='key_div']/*，而是*主动定位 <h2></h2> 节点，并仅处理其自身及后续兄弟元素（`following-sibling::`）**。这从根本上解决了“无法跳过前面冗余内容”的问题。

以下是完整、可直接运行的 XSLT 1.0 样例：

<stylesheet version="1.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform"><!-- 匹配根 html 元素，构建新文档结构 --><template match="/html"><title>My Title</title>
<!-- 此处可添加自定义 meta、CSS 等 --><!-- 精准定位 key_div 下的第一个 h2，并触发其模板 --><apply-templates select="//div[@id='key_div']/h2"></apply-templates></template><!-- 处理 h2：转为 h1，输出文本内容，并继续处理后续兄弟元素 --><template match="h2"><h1>
      <value-of select="."></value-of>
</h1>
    <!-- 关键：只处理 h2 之后的同级元素（p、ul、div 等），跳过前面所有 -->
    <apply-templates select="following-sibling::*"></apply-templates></template><!-- 专门处理 href 属性：将 /some/old/xxx 替换为 /new/xxx --><template match="@href"><attribute name="href"><text>/new/</text><value-of select="substring-after(., '/old/')"></value-of></attribute></template><!-- 默认身份拷贝模板（identity template）：安全复制所有其他节点和属性 --><template match="@*|node()"><copy><apply-templates select="@*|node()"></apply-templates></copy></template></stylesheet>

✅ 核心要点说明：

//div[@id='key_div']/h2 使用绝对路径确保只抓取目标 <h2></h2>，避免误匹配；
following-sibling::* 是实现“从 <h2></h2> 开始截取”的核心机制，天然排除其前所有兄弟节点（如无用的 <p></p><div class="aritcle_card flexRow artxards"> <div class="artcardd flexRow"> <a class="aritcle_card_img" rel="nofollow" href="/xiazai/skill4293" title="Doc To HTML"><img src="https://img.php.cn/upload/skill/000/000/081/178998486916110.jpg" alt="Doc To HTML" onerror="this.onerror='';this.src='/static/lhimages/moren/morentu.png'" ></a> <div class="aritcle_card_info flexColumn"> <a rel="nofollow" href="/xiazai/skill4293" title="Doc To HTML" class="overflowclass">Doc To HTML</a> <p class="overflowclass">使用 MinerU 文档处理引擎将 Word 文档（.doc、.docx）转换为保留结构和格式的干净 HTML。</p> </div> <a rel="nofollow" href="/xiazai/skill4293" title="Doc To HTML" class="aritcle_card_btn flexRow flexcenter"><b></b><span>下载</span> </a> </div> </div>）；
@href 模板独立处理链接属性，substring-after(., '/old/') 稳健提取路径后缀，即使原始 href 含查询参数（如 /some/old/path?ref=1）也能正确保留；
最后的 identity template 保证其余结构（如 <p></p>、<ul></ul>、文本节点等）原样保留，同时允许其他自定义模板（如后续需处理 <img> 或 <table>）无缝插入。<p>⚠️ <strong>注意事项：</strong> </p> <ul> <li>若 XHTML 文档声明了命名空间（如 <code>xmlns="http://www.w3.org/1999/xhtml"），需在 XSLT 中添加 xpath-default-namespace 或使用带前缀的匹配（如 x:h2），否则 //div[@id='key_div']/h2 将不匹配；
substring-after(., '/old/') 假设所有需替换的链接均含 /old/ 子串；若存在多种旧路径模式（如 /legacy/, /v1/），建议改用 xsl:choose 或升级至 XSLT 2.0+ 的 replace() 函数；
本方案默认忽略注释节点（）——如需保留，请额外添加 <template match="comment()"><copy></copy></template>。