XML 转换、映射与 XPath 交付工作流

目标与适用范围

在 XML、CSV、Excel、JSON 和文本之间转换结构化数据，合并兼容的 XML 文档，提取指定路径，并在交付前验证结果。
本指南将当前任务范围转化为可复核的交付结果。请保留源文件、中间产物和关键判断，让后续协作者能够理解检查了什么以及为什么这样处理。

准备证据并作出选择

• 准备一份有代表性的源文件或负载、目标格式，以及一小组预期输出值。

• 写明 XML 根元素、重复记录元素、字段到属性的映射、编码，以及所有命名空间 URI 与前缀。

• 在合并或导出前确定重复标识、缺失字段、空值、无效行的处理方式，并确认是否需要站点地图检查。

• 决策点: 输入格式应该选择哪个转换器？. 行式数据或工作表使用 CSV 或 Excel 转换器；对象或数组使用 JSON 转换器；按分隔符或按行组织的内容使用文本转换器。不要在没有记录映射规则的情况下自行猜测行或对象结构。

• 决策点: XPath 是否需要命名空间绑定？. 如果文档声明了命名空间，就用对应 URI 和明确前缀测试已知节点；如果路径没有返回值，应先修正命名空间或上下文，而不是把空结果当成成功。

• 决策点: 合并记录发生冲突时怎么办？. 合并前确定重复键和缺失字段是追加、替换、拒绝还是人工复核，并确认根元素与命名空间兼容。不能假设合并工具会自动去重。

按步骤完成工作流

1. 定义源数据映射

根据源格式选择转换器，并记录 CSV 分隔符与表头、Excel 工作表、JSON 数组或对象形状，或文本解析规则。先确定目标 XML 的根元素和记录元素，再接受首份结果。 使用 csv-to-xml, excel-to-xml, json-to-xml, text-to-xml.

2. 检查命名空间与 XPath 路径

对转换后的 XML 执行 XPath 提取，使用已声明的命名空间 URI 与前缀。检查根路径、重复记录路径和至少三个代表性值；空路径或含义不明的结果都应被视为映射失败。 使用 xml-path-extractor.

3. 按明确政策合并兼容 XML

合并文件前比较根元素和命名空间声明。为兼容的根元素与命名空间配置合并器；对于工具选项无法表达的重复键和缺失字段政策，在流程外执行并保留合并文件供复核。 使用 xml-merger.

4. 导出目标格式

使用选定的记录路径和扁平化假设，把已复核的 XML 转成 CSV 或 JSON。交给下游前，检查重复节点、属性、空值和命名空间会如何表示。 使用 xml-to-csv, xml-to-json.

5. 回读并检查站点地图交付

回读导出结果中的代表性值和记录数，与映射记录进行对比。如果流程需要站点地图，只从已批准的规范 URL 列表生成，并在交付前检查命名空间、loc 值和数量。 使用 xml-to-json, sitemap-generator.

交付前验收结果

• 映射记录明确源字段、XML 根元素与记录元素、属性、命名空间声明、编码和目标格式。
• 转换或合并后的 XML 能在预期 XPath 路径上被检查，代表性值与约定的源到目标映射一致。
• 每个合并冲突、缺失字段、无效行或丢弃值都已按既定政策处理，或被明确记录待复核。
• 回读转换确认关键值与记录数；生成站点地图时，还要检查 XML 命名空间、规范 loc 值和预期 URL 数量。

常见问题

• 这个工作流能保证完全无损转换吗？ 不能。属性、命名空间、重复节点、顺序、空值和类型转换可能在不同格式之间产生差异。应先确定必须保留的字段，再用回读样例验证。
• XPath 返回空结果时应该怎么办？ 检查文档根元素、命名空间 URI 与前缀、上下文节点以及路径拼写。只有确认节点确实不存在后，空结果才可以被记录；在此之前不应交付。
• XML 合并会自动删除重复记录吗？ 不要这样假设。先确定重复键、冲突值和缺失字段的处理方式，再检查合并结果并记录未解决的冲突。
• 什么时候使用站点地图分支？ 当你已经有批准的规范 URL 列表，需要产出 XML 站点地图文件时使用。它不能代替爬虫、HTTP 可用性检查或搜索引擎提交复核。