XPath / XPath-Funktionen / Stringfunktionen / XPath: analyze-string

XPath: analyze-string

➪ Die XPath-Funktion analyze-string ist eine hervorragende Möglichkeit zur Stringanalyse mittels regulärer Ausdrücke. Sie generiert ein analyze-string-result-Element mit den Childnodes match bzw. non-match. Möglich ist so auch die Datenvalidierung von CSV-Dateien in XSLT 2.0 und XSL 3.0.

Auf dieser Seite:

• XPath: analyze-string
• Alternative Lösung in XPath 3.0 / XQuery
• CSV validieren mit XSLT 3.0

Alternativ zu xsl:analyze-string kann die Prüfung regulärer Ausdrücke auch mit XPath durchgeführt werden.

Nehmen Sie als Beispiel die XSL-Variable "vtelnr".

<xsl:variable name="vtelnr">
 <telnr>0151.750360</telnr>
 <telnr>0151/750360</telnr>
 <telnr>05532 50168</telnr>
 <telnr>++49(0)5532/50168</telnr>
 <telnr>05532.50168</telnr>
 <telnr>05532/50168</telnr>
</xsl:variable>

Die unten dargestellte Logik untersucht, ob eine Reihe von Telefonnummern einem vorgegebenen Pattern ^[0-9]+(\.|/| )[0-9]+$ entspricht. Das Pattern erzwingt als erstes und auch als letztes Zeichen eine Zahl; dazwischen kann entweder ein ".", ein "/" oder ein " " kommen. Dieses Trennzeichen wird über regex-group(1) angesteuert und mit substring-before bzw. substring-after in die Vorwahl sowie in die Anschlussnummer gesplittet.

<xsl:template match="/">
  <root>
   <xsl:for-each select="$vtelnr/telnr">
    <teln>
     <xsl:copy-of 
      select="fn:analyze-string
                 (
                   string(./text()), 
                   '^[0-9]+(\.|/| )[0-9]+$'
                 )"/>
    </teln>
   </xsl:for-each>
  </root>
</xsl:template>

Das Ergebnis:

<root>
  <teln>
    <analyze-string-result 
      xmlns="http://www.w3.org/2005/xpath-functions">
      <match>0151<group nr="1">.</group>750360</match>
    </analyze-string-result>
  </teln>
  <teln>
    <analyze-string-result 
      xmlns="http://www.w3.org/2005/xpath-functions">
      <match>0151<group nr="1">/</group>750360</match>
    </analyze-string-result>
  </teln>
  <teln>
    <analyze-string-result 
      xmlns="http://www.w3.org/2005/xpath-functions">
      <match>05532<group nr="1"> </group>50168</match>
    </analyze-string-result>
  </teln>
  <teln>
    <analyze-string-result 
      xmlns="http://www.w3.org/2005/xpath-functions">
      <non-match>++49(0)5532/50168</non-match>
    </analyze-string-result>
  </teln>
  <teln>
    <analyze-string-result 
      xmlns="http://www.w3.org/2005/xpath-functions">
      <match>05532<group nr="1">.</group>50168</match>
    </analyze-string-result>
  </teln>
  <teln>
    <analyze-string-result 
      xmlns="http://www.w3.org/2005/xpath-functions">
      <match>05532<group nr="1">/</group>50168</match>
    </analyze-string-result>
  </teln>
</root>

Alternative Lösung in XPath 3.0 / XQuery

über =>, for-each und function:

//Ort/name => for-each( function($p) {
  <wert inhalt="{$p}">{
  analyze-string ( string($p), '[A-Z][a-z]' )
               } </wert> } )

Interessant ist das Ergebnis: Sie erhalten die Information, welche Teile dem Pattern entsprechen und welche nicht.

<wert inhalt="Neustadt">
  <fn:analyze-string-result 
      xmlns:fn="http://www.w3.org/2005/xpath-functions">
    <fn:match>Ne</fn:match>
    <fn:non-match>ustadt</fn:non-match>
  </fn:analyze-string-result>
</wert>
<wert inhalt="Darmstadt">
  <fn:analyze-string-result 
      xmlns:fn="http://www.w3.org/2005/xpath-functions">
    <fn:match>Da</fn:match>
    <fn:non-match>rmstadt</fn:non-match>
  </fn:analyze-string-result>
</wert>
<wert inhalt="Kapstadt">
  <fn:analyze-string-result 
      xmlns:fn="http://www.w3.org/2005/xpath-functions">
    <fn:match>Ka</fn:match>
    <fn:non-match>pstadt</fn:non-match>
  </fn:analyze-string-result>
</wert>

CSV validieren mit XSLT 3.0

Das unten dargestellte XSL-Beispiel spricht jede Zeile (natürlich wieder ohne Headerzeile) einer CSV-Datei an und prüft dieses mit xsl:analyze-string und dem dort definierten regex-Attribut. Entspricht die Zeile dem Pattern, so wird sie in einem <korrekt>-Element dargestellt, andernfalls mit einem <fehlerhaft>-Element.

Freilich akzeptiert der von mir verwendete XSL-Prozessor nicht die geschweiften Klammern "{}", die als Quantifizierer für wiederholte Aufrufe fungieren:

• statt mit [A-Z]{1} habe ich hier gearbeitet mit [A-Z]
• statt mit ([A-Z]{1}[a-z]+;){2} habe ich hier gearbeitet mit [A-Z][a-z]+;[A-Z][a-z]+;
• statt mit [0-9]{2} habe ich gearbeitet mit [0-9][0-9]

<xsl:variable name="csvdatei" select="'C:/wg/csv.txt'"/>    
<xsl:template name="csvvalidate">
 <xsl:element name="ERG">
  <xsl:for-each 
     select="unparsed-text-lines($csvdatei)[position() &gt; 1]">
   <xsl:variable name="pos" select="position()" />   
   <xsl:analyze-string 
     regex="^[0-9]+;[A-Z][a-z]+;[A-Z][a-z]+;[0-9]+(\.[0-9][0-9])?$" 
     select=".">
    <xsl:matching-substring>
     <korrekt zeile="{$pos}">
      <xsl:value-of select="." />
     </korrekt>
    </xsl:matching-substring>
    <xsl:non-matching-substring>
     <fehlerhaft zeile="{$pos}">
      <xsl:value-of select="." />
     </fehlerhaft>
    </xsl:non-matching-substring>
   </xsl:analyze-string>
  </xsl:for-each>
 </xsl:element></xsl:template>

Um bewusst fehlerhafte Ergebnisse zu produzieren, habe ich mit einem modifizierten Pattern gearbeitet, das die optionalen Nachkommastellen der letzten Zahl unterbindet (".56" wäre also falsch).

^[0-9]+;[A-Z][a-z]+;[A-Z][a-z]+;[0-9]+$

"Bewaffnet" mit diesem Pattern, erhalte ich das erwartete Ergebnis:

<ERG>
  <fehlerhaft zeile="1">1;Holzflos;Hugo;234.56</fehlerhaft>
  <fehlerhaft zeile="2">4;Nixlos;Nicole;1234.56</fehlerhaft>
  <korrekt zeile="3">9;Sprachlos;Stefan;5430</korrekt>
  <fehlerhaft zeile="4">2;Sagblos;Stefan;321.45</fehlerhaft>
  <fehlerhaft zeile="5">3;Sorglos;Siggi;987.58</fehlerhaft>
  <fehlerhaft zeile="6">7;Herzlos;Heini;654.21</fehlerhaft>
  <fehlerhaft zeile="7">8;Rhodos;Rudi;333.33</fehlerhaft>
  <korrekt zeile="8">15;Kolos;Karl;456</korrekt>
  <fehlerhaft zeile="9">16;Sinnlos;Simone;876.54</fehlerhaft>
  <fehlerhaft zeile="10">17;Hirnlos;Horst;546.77</fehlerhaft>
  <fehlerhaft zeile="11">18;Wertlos;Werner;777.77</fehlerhaft>
  <korrekt zeile="12">19;Lustlos;Ludwig;357</korrekt>
  <korrekt zeile="13">5;Wasistlos;Willi;6789</korrekt>
  <korrekt zeile="14">10;Ruhelos;Rita;234</korrekt>
  <korrekt zeile="15">11;Schlaflos;Susi;321</korrekt>
  <korrekt zeile="16">12;Rielos;Lotte;456</korrekt>
  <korrekt zeile="17">6;Bodenlos;Betty;3450</korrekt>
  <korrekt zeile="18">13;Muehelos;Martin;222</korrekt>
  <korrekt zeile="19">14;Leinenlos;Liane;135</korrekt>
</ERG>

wg / 22. März 2020

---

---

Fragen? Anmerkungen? Tipps?

Bitte nehmen Sie Kontakt zu mir auf.

---