使用 XSLT 3 精准标注 XML 中的软件名称（基于上下文与偏移定位）

XSLT 3 提供了强大且声明式的解决方案：它原生支持 JSON 解析（parse-json() / json-doc()）、高阶迭代（xsl:iterate）、隧道参数（tunnel="yes"）以及正则感知的文本分析（analyze-string），完美契合本任务需求。以下是一个可直接运行的端到端方案：

✅ 步骤一：安装依赖

pip install saxonche

✅ 步骤二：编写 XSLT 脚本（wrap-software.xsl）

  
  
    [{"type":"software","software-type":"software","software-name":{"rawForm":"MODELLER","normalizedForm":"MODELLER","offsetStart":79,"offsetEnd":87},"context":"The reliability of the model structure was tested using the ENERGY commands of MODELLER (Sali and Blundell, 1993)."}]
  
  

  
  
    
      
      
      
      
        
          
            
          
        
        
          
        
      
    
  

  
  
  
    
    
      
      
        
        
      
      
        
      
    
  

  
  
    {.}
  

  
  
  

✅ 步骤三：Python 调用执行（wrap.py）

from saxonche import PySaxonProcessor

# 加载 XML 和 XSLT
xml_content = '''
The reliability of the model structure was tested using the ENERGY commands of MODELLER (Sali and Blundell, 1993). The modelled structures were also validated using the program PROSA (Wiederstein and Sippl, 2007).'''

with PySaxonProcessor() as proc:
    xslt_proc = proc.new_xslt30_processor()
    # 直接传入 XML 字符串和 XSLT 文件路径
    executable = xslt_proc.compile_stylesheet(stylesheet_file='wrap-software.xsl')
    output = executable.transform_to_string(xdm_node=proc.parse_xml(xml_text=xml_content))
    print(output)

⚠️ 注意事项与最佳实践

• 上下文匹配优先：XSLT 严格比对 context 字段与

  内纯文本拼接结果（string-join($p//text(), '')），确保仅在真实语境中触发标注，杜绝跨句误包。

  

  倍塔塞司

  AI职业规划、AI职业测评、定制测评、AI工具等多样化职业类AI服务。

  下载
• 安全正则处理：analyze-string() 自动转义 normalizedForm 中的正则特殊字符（如 +, *, .），无需手动 re.escape()。
• 多软件支持：xsl:iterate 可顺序处理 JSON 中全部软件条目；若多个软件共存于同一

  ，将按 JSON 顺序依次包装（无嵌套冲突）。

• 性能提示：对于超大 XML，建议将 JSON 预加载为变量（json-doc()），避免重复解析；生产环境推荐使用 Saxon-HE Java 版本以获得更优性能。
• 扩展性：如需支持大小写不敏感匹配，可将 contains() 替换为 matches(., concat('.*', $software?software-name?normalizedForm, '.*'), 'i')。

此方案摒弃了易出错的手动 DOM 拆解逻辑，以声明式、可验证、可复用的 XSLT 实现精准语义标注，是处理结构化文本中实体识别任务的专业级实践。