Filtrer des doublons XSLT

Version imprimable

Bonjour,

Je traite pour mon mémoire un corpus de termes qui contient des doublons:

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
<teiCorpus>
   <teiCorpus type="Revue-RH">
      <TEI>
         <text>
            <front>
               <docTitle>
                  <titlePart>Le <term type="simpleterm" lang="en">sourcing</term>
                  </titlePart>
               </docTitle>
            </front>
            <body>
               <div>
                  <term type="complexterm" subtype="variant" lang="en">applicant tracking system</term>
                  <term type="acronym">ATS</term>
                  <term type="complexterm" lang="en">big data</term>
                  <term type="complexterm" lang="en">big data</term>
                  <term type="simpleterm">candidat</term>
                  <term type="simpleterm">candidat</term>
                  <term type="simpleterm">candidat</term>
                  <term type="simpleterm">candidat</term>
                  <term type="simpleterm">candidat</term>
                  <term type="complexterm">candidat potentiel</term>
                  <term type="complexterm">candidat potentiel</term>
 
....

Je souhaiterais pouvoir garder qu'un seul terme à chaque fois et n'avoir aucun doublon du coup :
J'ai essayé avec ce code, mais en vain :

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
<xsl:stylesheet xmlns:xsl="http://www.w3.org/1999/XSL/Transform"
    xmlns:xs="http://www.w3.org/2001/XMLSchema"
    version="2.0"
    xpath-default-namespace="http://www.tei-c.org/ns/1.0">
 
    <xsl:output method="xml" version="1.0" encoding="UTF-8" indent="yes"/>
 
    <xsl:key name="id" match="term" use="."/> 
 
    <xsl:template match="body">
        <xsl:for-each select="../div/term[generate-id()=generate-id(key('id',.)[1])]">
 
                <xsl:apply-templates/>
 
        </xsl:for-each>
    </xsl:template>
 
</xsl:stylesheet>

Merci d'avance pour votre aide.

Citation:

Code:

<xsl:for-each select="../div/term[generate-id()=generate-id(key('id',.)[1])]">

Cet xpath est incompréhensible : le problème n'est pas de la partie de generate-id() ou de key(), c'est le ../div. C'est peut-être une faute de frappe.

Le problème principal reside dans l'application du xsl:apply-templates par défaut. Il faut préciser qu'on veut gérer le node term lui-même : il n'est pas inclu par défaut. Et puis le template matche div pour être plus clair ou plus simple.
Code:

1 2 3 4 5 6 7 <xsl:template match="div"> <xsl:copy> <xsl:for-each select="term[generate-id()=generate-id(key('id',.)[1])]"> <xsl:apply-templates select="." /> </xsl:for-each> </xsl:copy> </xsl:template>

1 pièce(s) jointe(s)

Bonjour,
D'abord, merci pour votre réponse.

J'ai essayé les lignes de code que vous avez écrit, mais j'ai en sortie un truc très chelou qui ressemble à ça :

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
 <?xml version="1.0" encoding="UTF-8"?>
                  Le sourcing
               <div>applicant tracking systemATSbig datacandidatcandidat potentielcandidatureconseiller en recherche de talents seniorCRHAdirection d’équipesembaucheemploiexpérience candidatgestion de projetsorganisationpostepotentielprofilprofil d’intérêtrecrutementrecrutement en lignerecruteurRH</div>
                  Les cinq principaux défis du recrutement en région
               <div>entrepriseexpérience employéformationPMErecrutement socialrémunérationrémunération indirectestratégie</div>
                  L’expérience candidat : Quelques concepts essentiels
               <div>demande d’emploimarketing RH</div>
                  Profils atypiques : Comment se faire valoir?
               <div>certificat en gestion des ressources humainescurriculum vitæentrepreneurgestion des ressources humainesgestion du changement et de l’adhésion des employésinnovationprofil atypiquepromotionressources humaines</div>
                  Préserver la confiance et l’autonomie développées en temps de COVID-19
               <div>compétencegestiontélétravail</div>
                  Le télétravail est là pour rester : 11 conseils pour adapter votre organisation à cette réalité
               <div>développement professionnel de l’employéemployéemployeurgestion des identités et des accèsgestion des projets et des clientsGIAleaderleadershipleadership microgestion</div>
                  COVID-19 : se préparer à l’après-crise
               <div>approvisionnementchoix de carrièremesures d’hygiènetravail à distance</div>
                     RH, la revue des CRHA et CRIA en mode agile : durer, se renouveler et demeurer pertinent
               <div>communauté RHexpertise RHgestion de crisegestion des RHgestion du changementmieux-être</div>
                  La  à l’ère de la COVID-19
               <div>burnoutcomité acquisitioncomité innovationcomité pivotconsultant RHÉPIéquipement de protection individuellemode de gestion collaboratifperformanceplein salairetop-down</div>
                  Le retour au travail soulève des enjeux en lien avec l’obligation de respect du secret professionnel des CRHA | CRIA
               <div>déontologiesecret professionnelsyndic de l’Ordre</div>
                  La  à l’ère de la pandémie : les héritages de la crise
               <div>contingencygestion des risques</div>

[[[ Je précise que mon fichier .xml qui recense les termes a été obtenu à partir du corpus original (qui contient des textes extraits de revues RH) avec une transformation XSL ]]]
C'est l'étape la plus importante de mon mémoire, si je ne réussis pas à retirer les doublons je ne peux pas procéder à la lemmatisation automatique :/

Merci d'avance.

05/08/2020, 21h39
ouideed

1 pièce(s) jointe(s)

Il me manquait que le template qui matche tous les éléments avec leurs attributs pour que ça marche votre code!
Merci encore une fois! c'est résolu ^^