sas 使用 xml 引擎读取 xml (xfdf)，映射多个 ><span答案

【问题标题】：sas reading xml (xfdf) with xml engine, map for multiple ><spansas 使用 xml 引擎读取 xml (xfdf)，映射多个 ><span
【发布时间】：2015-08-06 17:10:00
【问题描述】：

在这些日子里，我一直在努力让 sas 读取 xfdf 文件，使用 adobe Professional 导出 pdf 格式的 cmets（注释）。如果您从未使用过 .xfdf 文件，请不要担心，它基本上是 adobe 的 XML 父格式。

我不能使用 SAS XML Mapper，有两个原因：第一个是我不能在工作场所使用它（我也开发我的个人项目，像这样），第二个是我想编写一个可以一直重复的过程（无需随时映射）。

通常 cmets 以这种格式收集在 xfdf 中：

><freetext rect="300.165985,66.879105,380.165985,86.879105" creationdate="D:-001-1-1-1-1-1-00'30'" name="a7311cdb-77b3-4a48-8eff-62364f94213d" color="#FFBF00" flags="print" date="D:20150730153125+01'00'" page="0"
><contents-richtext
><body xmlns="http://www.w3.org/1999/xhtml" xmlns:xfa="http://www.xfa.org/schema/xfa-data/1.0/" xfa:APIVersion="Acrobat:8.0.0" xfa:spec="2.0.2" style="font-size:11.0pt;text-align:left;color:#FF0000;font-weight:normal;font-style:normal;font-family:Arial,sans-serif;font-stretch:normal"
><p
>THE_COMMENT_TO_EXPORT_IS_THIS_STRING</p
></body
></contents-richtext
></freetext

我用这部分 xml 地图收集数据：

<COLUMN name='var1'>
<PATH syntax='XPath'>/xfdf/annots/freetext/contents-richtext/body/p</PATH>
<TYPE>character</TYPE>
<DATATYPE>string</DATATYPE>
<LENGTH>60</LENGTH>
</COLUMN>

有时评论以另一种方式收集：

><freetext rect="331.041992,230.949005,553.198975,250.949005" creationdate="D:-001-1-1-1-1-1-00'30'" name="4f112387-dec6-42f1-ad8c-a1fecf9d8e04" color="#66CCFF" flags="print" date="D:20150730153213+01'00'" page="0"
><contents-richtext
><body xmlns="http://www.w3.org/1999/xhtml" xmlns:xfa="http://www.xfa.org/schema/xfa-data/1.0/" xfa:APIVersion="Acrobat:8.0.0" xfa:spec="2.0.2" style="font-size:11.0pt;text-align:left;color:#FF0000;font-weight:normal;font-style:normal;font-family:Arial,sans-serif;font-stretch:normal"
><p dir="ltr"
><span style="font-family:Arial"
>THE_COMMENT_TO_EXPORT_IS_THIS_STRING</span
></p
></body
></contents-richtext
></freetext

这里也没有问题，我可以用这个 xml 地图部分收集这个评论：

<COLUMN name='var2'>
<PATH syntax='XPath'>/xfdf/annots/freetext/contents-richtext/body/p/span</PATH>
<TYPE>character</TYPE>
<DATATYPE>string</DATATYPE>
<LENGTH>60</LENGTH>
</COLUMN>

但问题来了，有时数据是以这种奇怪的格式收集的，带有双跨度标签：

><freetext rect="9.623672,760.177979,210.281006,783.448975" creationdate="D:00000000000000Z" name="4f037e18-9143-4ec1-a6ae-249fa2215528" width="2" color="#66CCFF" flags="print" date="D:20150731152640+01'00'" page="53"
><contents-richtext
><body xmlns="http://www.w3.org/1999/xhtml" xmlns:xfa="http://www.xfa.org/schema/xfa-data/1.0/" xfa:APIVersion="Acrobat:8.0.0" xfa:spec="2.0.2" style="font-size:14.0pt;text-align:left;color:#000000;font-weight:normal;font-style:normal;font-family:Arial,sans-serif;font-stretch:normal"
><p dir="ltr"
><span style="font-family:Arial"
>THIS_IS_THE_FIRST_PART </span
><span style="font-family:Arial"
>THIS_IS_THE_SECOND_PART</span
></p
></body
></contents-richtext
></freetext

第二个地图代码只命中第二个字符串（这里：THIS_IS_THE_SECOND_PART），有人可以帮忙吗？如何用 sas 编写合适的地图来收集这两种信息？

PS：我很确定 SAS XML Mapper 也无法解决这个问题，我在网上发现有人遇到同样的问题，并使用该工具创建的地图。

PS2：路径类型为 xpath 1.0，我尝试使用 string-join，但出现此错误：

ERROR: invalid character in Xpath expression
ERROR: Xpath construct string-join(/xfdf/annots/freetext/contents-richtext/body/p/span, '')
for column var2 is an invalid, unrecognized, or unsupported form

编辑：添加了 HTML 标签，<P> 和 <SPAN> 是与此语言相关的标签。

【问题讨论】：

你能在 SAS 的 XPATH 实现中使用string-join 吗？喜欢this question?
非常感谢@Joe，但我不这么认为，或者至少我不知道如何实现它。我的意思是，在那个问题中你好心地链接了他必须连接以不同方式命名的 2 个对象（ELEMENT4 ELEMENT5），我必须像他一样在同一个对象内连接 2 个字符串，但是这些字符串收集在不同的对象中但命名相同方式：（SPAN SPAN）。任何想法？再次感谢。

标签： html xml pdf xpath sas

【解决方案1】：

我回答了我自己的问题，我找到了一个很好的解决方案，但是如果有人对此有优化版本，请发布。

我发现在 SAS XML 映射中不能使用 XPath 2.0，而只能使用 XPath 1.0。在 XPath 1.0 中，这一步可以在一个单独的块内自动执行，只需要预先知道 <PATH> 的数量，使用 CONCAT('\xxx\xxx[1]',' '\xxx\xxx[2]')。

遗憾的是，此功能不适用于 SAS XML Map，尝试此操作会遇到错误ERROR: invalid character in Xpath expression。

但我对完美的格式不感兴趣，我可以对检索到的数据进行后处理，因此在地图中，我以这种方式在许多变量中复制了所有可能重复 <PATH> 的情况：

<COLUMN name='vars1'>
<PATH syntax='XPath'>/xfdf/annots/freetext/contents-richtext/body/p/span[1]</PATH>
<TYPE>character</TYPE>
<DATATYPE>string</DATATYPE>
<LENGTH>60</LENGTH>
</COLUMN>

<COLUMN name='vars2'>
<PATH syntax='XPath'>/xfdf/annots/freetext/contents-richtext/body/p/span[2]</PATH>
<TYPE>character</TYPE>
<DATATYPE>string</DATATYPE>
<LENGTH>60</LENGTH>
</COLUMN>

<COLUMN name='vars3'>
<PATH syntax='XPath'>/xfdf/annots/freetext/contents-richtext/body/p/span[3]</PATH>
<TYPE>character</TYPE>
<DATATYPE>string</DATATYPE>
<LENGTH>60</LENGTH>
</COLUMN>

我编写了其中的 6 个块，即使我只遇到了 2 个 <PATH> 以使此代码尽可能通用。然后我将这些字符串变量连接到一个数据步中。

【讨论】：