创建XSD忽略标签

Question

内HTML

是否有可能建立一个XSD，将治疗任何标签的内容，就像文字？我试图提取标签的有时包含HTML标签的内容。没有固定的HTML格式，并不总是存在。我只想从标签中提取所有文本。 e.g. <content>this is a new piece of content by <b>Person A</b></content>.我只想提取"this is a new piece of content by <b>Person A</b>"，但由SSIS生成的模式自然包含这些标记。当我刚加入简单的入门

<xs:element minOccurs="0" name="content" type="xs:string"></xs:element> 

我收到以下错误，并不出人意料。

[XML Source [5]] Error: The XML Source was unable to process the XML data. The element "content" cannot contain a child element. Content model is text only.

Answer 1

认为XSD主要描述为在有效的XML文档中描述允许的标记，而不是定义提取的方法。如果更改的content类型xs:string，你宣称标记不中content，只允许文字，和你得到验证错误反映。

你需要的是选择字符串值content元素。如果一个XPath上下文不会自动的结果转换为一个字符串值，你可以这样做明确通过string() XPath函数：

string(/path/to/particular/content) 

这将返回所有的孩子的字符串值的串接content，根据要求省略标签。

更新：重读你的问题，我看到你实际上要检索

"this is a new piece of content by <b>Person A</b>" 

（包括b元素，而不是它的字符串值）。在这里，包装content元素显然必须在XSD中描述为混合内容（mixed="true"）。从这种形式的XML文档中提取这些数据通常需要选择文本和元素节点的集合，并将这些数据序列化回单个字符串。我对SSIS提供的细节不够熟悉，但也许我在评论中提到的参考文献可能会有所帮助。

Answer 2

对于用来描述和约束数据的模式（以及我假设的以各种方式引导SSIS）以及您在某些时候想要编写的可执行代码，您并没有很清楚地区分在特定时刻提取您想要的数据。有几件事情你似乎想要或需要：

• 要允许元素内的无约束的XML，你需要一个通配符;请阅读xsd:any元素。
• 要提取元素中的文本，您需要XPath string()函数（但请注意，您的示例"this is a new piece of content by <b>Person A</b>"不只是content的文本，但包含子元素）。
• 要提取content元素的内容（这是你显然想要什么，而相比之下，你说你想要的），你会想序列化内容的序列化XML表示;有很多种方法可以做到这一点。