Jak czytać kod HTML jako XML i uzyskać wynik podobny do próbki w sql?

11

Mam kod HTML zapisany w bazie danych i chcę go odczytać jako XML.

Moje kody:

http://rextester.com/RMEHO89992

To jest przykład kodu HTML, który mam:

<div>
  <section>
       <h4>
         <span> A </span>
        </h4>
        <ul>
           <li>
              <span> Ab</span>
                     AD
              <span> AC </span>
           </li>
           <li>
              <span> Ag</span>
              <span> AL </span>
           </li>
        </ul>
        <h4>
              <span> B </span>
       </h4>
       <ul>
           <li>
              <span> Bb</span>
                     BD
              <span> BC </span>
           </li>
           <li>
              <span> Bg</span>
              <span> BL </span>
           </li>
        </ul>
   </section>
</div>

a to jest przykład danych wyjściowych, których potrzebuję:

Category         Selection        Value                    
---------        ---------        ------------             
A                Ab               AD                  
A                Ag               AL                       
B                Bb               BD                   
B                Bg               BL                       

Muszę uzyskać wartość wewnątrz <h4>znacznika jako Category, pierwszy <span>znacznik jako Zaznaczenie, a resztę wartości jako połączony ciąg.

Próbowałem następującego zapytania:

SELECT 
    (  isnull(t.v.value('(h4/span/span[1]/text())[1]','nvarchar(max)'),'') 
     + isnull(t.v.value('(h4/span/text())[1]','nvarchar(max)'),'')
     + isnull(t.v.value('(h4/span/span[2]/text())[2]','nvarchar(max)'),'')
    ) AS [Category],
    (  isnull(c.g.value('(span[1]/text())[1]','nvarchar(max)'),'')
     + isnull(c.g.value('(span[1]/span/text())[1]','nvarchar(max)'),'')
     + isnull(c.g.value('(span[1]/text())[2]','nvarchar(max)'),'')
    ) AS [Selection],
    (  isnull(c.g.value('(span[2]/text())[1]','nvarchar(max)'),'')
     + isnull(c.g.value('(span[2]/span/text())[1]','nvarchar(max)'),'')
     + isnull(c.g.value('(span[2]/text())[2]','nvarchar(max)'),'')
    ) AS [Value]
FROM @htmlXML.nodes('div/section') as t(v)
CROSS APPLY t.v.nodes('./ul/li') AS c(g) 

i :

SELECT 
       t.v.value('.','nvarchar(max)')
       ,
     --( isnull(t.v.value('(h4/span/span[1]/text())[1]','nvarchar(max)'),'')+isnull(t.v.value('(h4/span/text())[1]','nvarchar(max)'),'')+isnull(t.v.value('(h4/span/span[2]/text())[2]','nvarchar(max)'),''))AS [Category],

          ( isnull(c.g.value('(span[1]/text())[1]','nvarchar(max)'),'')+isnull(c.g.value('(span[1]/span/text())[1]','nvarchar(max)'),'')+isnull(c.g.value('(span[1]/text())[2]','nvarchar(max)'),''))AS [Selection]

           ,
         ( isnull(c.g.value('(span[2]/text())[1]','nvarchar(max)'),'')+isnull(c.g.value('(span[2]/span/text())[1]','nvarchar(max)'),'')+isnull(c.g.value('(span[2]/text())[2]','nvarchar(max)'),''))AS [Value]
    FROM    @htmlXML.nodes('div/section/h4/span') as t(v)
    CROSS APPLY @htmlXML.nodes('div/section/ul/li') AS c(g)

Ale dostaje tylko pierwszą kategorię i nie łączy wszystkich wartości razem.

Category         Selection        Value
---------        ---------        ------------
A                Ab               AC 
B                Ab               AC 
A                Ag               AL
B                Ag               AL 
A                Bb               BC
B                Bb               BC 
A                Bg               BL 
B                Bg               BL 

Może istnieć N kategorii, a wartości mogą, ale nie muszą znajdować się w <span>tagach. Jak mogę uzyskać wszystkie kategorie z odpowiadającymi im wartościami? lub uzyskaj:

category              h4 number
--------            -----------
 A                     1
 B                     2
  • 1, średnia = h4 pierwsza, 2, średnia = h4 druga
 ul number         Selection        Value                    
    ---------        ---------        ------------             
    1                Ab               AD                  
    1                Ag               AL                       
    2                Bb               BD                   
    2                Bg               BL       

związek między liczbą ul kolumny a liczbą h4. Nie mogę.

Armia Czerwona
źródło
1
Czy na pewno oczekiwany wynik jest prawidłowy? Czy nie powinno tak być AD ACw pierwszym rzędzie w trzeciej kolumnie?
Mikael Eriksson
Usiłuję nawiązać komunikację między węzłami `h4` i` ul`.
RedArmy

Odpowiedzi:

7

Nie jest to do końca eleganckie, ale wydaje się, że wykonuje swoją pracę.

DECLARE @X XML = REPLACE(REPLACE(@S, '<h4>', '<foo><h4>'), '</ul>', '</ul></foo>')

SELECT Category = x.value('../../h4[1]/span[1]', 'varchar(10)'),
       Selection = x.value('descendant-or-self::text()[1]', 'varchar(10)'),
       Value = REPLACE(
                REPLACE(
                 REPLACE(
                  LTRIM(
                   RTRIM(
                    REPLACE(
                     REPLACE(
                      CAST(x.x.query('fn:data(descendant-or-self::text()[fn:position() > 1])') AS VARCHAR(MAX))
                     , char(10), '')
                    , char(13), '')
                   )
                  )
                 , '  ', ' |')
                , '| ', '')
               , '|', '')
FROM   @X.nodes('div/section/foo/ul/li') x(x)
ORDER  BY Category,
          Selection

Który zwraca

+----------+-----------+-------+
| Category | Selection | Value |
+----------+-----------+-------+
|  A       |  Ab       | AD AC |
|  A       |  Ag       | AL    |
|  B       |  Bb       | BD BC |
|  B       |  Bg       | BL    |
+----------+-----------+-------+

Zakładam, że tego właśnie potrzebujesz, ponieważ żądana tabela wyników w pytaniu nie zwraca „reszty wartości jako łańcucha łączonego”

Martin Smith
źródło
14

Próbuję ustanowić komunikację między węzłami h4i ul.

Za pomocą operatora <<i >>można sprawdzić, czy węzeł znajduje się przed czy za innym węzłem w kolejności dokumentów. Połącz to z predykatem dotyczącym pozycji, [1]aby uzyskać pierwsze wystąpienie również w kolejności dokumentów.

select H4.X.value('(span/text())[1]', 'varchar(10)') as Section,
       UL.X.query('.') as UL
from @X.nodes('/div/section/h4') as H4(X)
  cross apply H4.X.nodes('(let $h4 := . (: Save current h4 node :)
                           return /div/section/ul[$h4 << .])[1]') as UL(X);

rextester:

<<i >>nazywane są operatorami porównania kolejności węzłów

Jeśli masz taki fragment XML:

<N1>1</N1>
<N2>2</N2>
<N3>3</N3>
<N4>4</N4>
<N5>5</N5>

możesz pobrać wszystkie węzły przed pierwszym wystąpieniem N3tego zapytania:

select @X.query('/*[. << /N3[1]]');

Wynik:

<N1>1</N1>
<N2>2</N2>

/*da ci wszystkie węzły główne. To, co jest zamknięte, []to orzeczenie. .jest bieżącym węzłem i /N3[1]jest pierwszym węzłem N3 w kolejności dokumentów na poziomie głównym. Tak więc z każdego węzła głównego otrzymujesz poprzedzające go węzły N3.

Oto prawie to samo zapytanie, tylko ty dostajesz węzły następujące po pierwszym N3węźle:

select @X.query('/*[. >> /N3[1]]');
<N4>4</N4>
<N5>5</N5>

Aby uzyskać tylko pierwszy węzeł za pierwszym N3, dodaj predykat [1]:

select @X.query('/*[. >> /N3[1]][1]');
<N4>4</N4>
Mikael Eriksson
źródło