[xsl] ooxml grouping

[Andreas Peter <info@xxxxxxxxxx>]

Hello List,

for about two weeks (unfortunately not fulltime) I am trying to 
transform a simple sample MS Word document to a structured xml document. 
But now I need the help from the experts.

My input document looks like the following:


<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<w:document 
xmlns:ve="http://schemas.openxmlformats.org/markup-compatibility/2006";
   xmlns:o ="urn:schemas-microsoft-com:office:office"
   xmlns:r 
="http://schemas.openxmlformats.org/officeDocument/2006/relationships";
   xmlns:m 
="http://schemas.openxmlformats.org/officeDocument/2006/math"; 
xmlns:v="urn:schemas-microsoft-com:vml"
   xmlns:wp 
="http://schemas.openxmlformats.org/drawingml/2006/wordprocessingDrawing";
   xmlns:w10 ="urn:schemas-microsoft-com:office:word"
   xmlns:w ="http://schemas.openxmlformats.org/wordprocessingml/2006/main";
   xmlns:wne ="http://schemas.microsoft.com/office/word/2006/wordml";>
   <w:body>
       <w:p w:rsidR="00C10400" w:rsidRPr="00C34BB4" 
w:rsidRDefault="00C10400" w:rsidP="00C10400">
           <w:pPr>
               <w:pStyle w:val="chaptitle"/>
           </w:pPr>
           <w:r>
               <w:t>16</w:t>
           </w:r>
           <w:r w:rsidRPr="00C10400">
               <w:rPr>
                   <w:rFonts w:ascii="Cambria Math" w:hAnsi="Cambria 
Math" w:cs="Cambria Math"/>
               </w:rPr>
               <w:t>b</w:t>
           </w:r>
           <w:r>
               <w:t>chaptertitle</w:t>
           </w:r>
       </w:p>
       <w:p w:rsidR="00C10400" w:rsidRPr="00C34BB4" 
w:rsidRDefault="00C10400" w:rsidP="00C10400">
           <w:pPr>
               <w:pStyle w:val="authors"/>
           </w:pPr>
           <w:r>
               <w:t>author</w:t>
           </w:r>
       </w:p>
       <w:p w:rsidR="00C10400" w:rsidRPr="004262E6" 
w:rsidRDefault="00C10400" w:rsidP="00C10400">
           <w:pPr>
               <w:pStyle w:val="boxtype"/>
           </w:pPr>
           <w:r>
               <w:t>box_8</w:t>
           </w:r>
       </w:p>
       <w:p w:rsidR="00C10400" w:rsidRPr="00C34BB4" 
w:rsidRDefault="00C10400" w:rsidP="00C10400">
           <w:pPr>
               <w:pStyle w:val="boxtitle"/>
           </w:pPr>
           <w:r>
               <w:t>boxtitle</w:t>
           </w:r>
       </w:p>
       <w:p w:rsidR="00C10400" w:rsidRPr="00C34BB4" 
w:rsidRDefault="00C10400" w:rsidP="00C10400">
           <w:pPr>
               <w:pStyle w:val="bodytext"/>
           </w:pPr>
           <w:r>
               <w:t xml:space="preserve">bodytext </w:t>
           </w:r>
           <w:r w:rsidRPr="007B59BB">
               <w:rPr>
                   <w:rStyle w:val="specialchar"/>
               </w:rPr>
               <w:t>specialcharacter</w:t>
           </w:r>
           <w:r w:rsidRPr="00D2553A">
               <w:rPr>
                   <w:rStyle w:val="sub"/>
               </w:rPr>
               <w:t>subscript</w:t>
           </w:r>
           <w:r>
               <w:t xml:space="preserve">bodytext </w:t>
           </w:r>
           <w:r w:rsidRPr="007B59BB">
               <w:rPr>
                   <w:rStyle w:val="specialchar"/>
               </w:rPr>
               <w:t>specialcharacter</w:t>
           </w:r>
           <w:r w:rsidRPr="00D2553A">
               <w:rPr>
                   <w:rStyle w:val="sub"/>
               </w:rPr>
               <w:t>subscript</w:t>
           </w:r>
           <w:r>
               <w:t xml:space="preserve">bodytext </w:t>
           </w:r>
           <w:r w:rsidRPr="007B59BB">
               <w:rPr>
                   <w:rStyle w:val="specialchar"/>
               </w:rPr>
               <w:t>specialcharacter</w:t>
           </w:r>
           <w:r>
               <w:t xml:space="preserve">bodytext </w:t>
           </w:r>
           <w:r w:rsidRPr="007B59BB">
               <w:rPr>
                   <w:rStyle w:val="specialchar"/>
               </w:rPr>
               <w:t>specialcharacter</w:t>
           </w:r>
           <w:r w:rsidRPr="00D2553A">
               <w:rPr>
                   <w:rStyle w:val="sub"/>
               </w:rPr>
               <w:t>subscript</w:t>
           </w:r>
           <w:r>
               <w:t xml:space="preserve">bodytext </w:t>
           </w:r>
           <w:r w:rsidRPr="00880217">
               <w:t>bodytext</w:t>
           </w:r>
           <w:r>
               <w:t>,</w:t>
           </w:r>
           <w:r w:rsidRPr="00880217">
               <w:t xml:space="preserve"> bodytext</w:t>
           </w:r>
           <w:r>
               <w:t xml:space="preserve">bodytext </w:t>
           </w:r>
           <w:r w:rsidRPr="007B59BB">
               <w:rPr>
                   <w:rStyle w:val="specialchar"/>
               </w:rPr>
               <w:t>specialcharacter</w:t>
           </w:r>
           <w:r w:rsidRPr="00D2553A">
               <w:rPr>
                   <w:rStyle w:val="sub"/>
               </w:rPr>
               <w:t>subscript</w:t>
           </w:r>
           <w:r>
               <w:t xml:space="preserve">bodytext </w:t>
           </w:r>
           <w:r w:rsidRPr="007B59BB">
               <w:rPr>
                   <w:rStyle w:val="specialchar"/>
               </w:rPr>
               <w:t>specialcharacter</w:t>
           </w:r>
           <w:r w:rsidRPr="00D2553A">
               <w:rPr>
                   <w:rStyle w:val="sub"/>
               </w:rPr>
               <w:t>subscript</w:t>
           </w:r>
           <w:r>
               <w:t xml:space="preserve">bodytext </w:t>
           </w:r>
           <w:r w:rsidRPr="007B59BB">
               <w:rPr>
                   <w:rStyle w:val="specialchar"/>
               </w:rPr>
               <w:t>specialcharacter</w:t>
           </w:r>
           <w:r w:rsidRPr="00D2553A">
               <w:rPr>
                   <w:rStyle w:val="sub"/>
               </w:rPr>
               <w:t>subscript</w:t>
           </w:r>
           <w:r>
               <w:t xml:space="preserve">bodytext </w:t>
           </w:r>
           <w:r w:rsidRPr="007B59BB">
               <w:rPr>
                   <w:rStyle w:val="specialchar"/>
               </w:rPr>
               <w:t>specialcharacter</w:t>
           </w:r>
           <w:r w:rsidRPr="00D2553A">
               <w:rPr>
                   <w:rStyle w:val="sub"/>
               </w:rPr>
               <w:t>subscript</w:t>
           </w:r>
           <w:r>
               <w:t xml:space="preserve">bodytext </w:t>
           </w:r>
           <w:r w:rsidRPr="007B59BB">
               <w:rPr>
                   <w:rStyle w:val="specialchar"/>
               </w:rPr>
               <w:t>specialcharacter</w:t>
           </w:r>
           <w:r w:rsidRPr="00D2553A">
               <w:rPr>
                   <w:rStyle w:val="sub"/>
               </w:rPr>
               <w:t>subscript</w:t>
           </w:r>
           <w:r>
               <w:t xml:space="preserve">bodytext </w:t>
           </w:r>
           <w:r w:rsidRPr="007B59BB">
               <w:rPr>
                   <w:rStyle w:val="specialchar"/>
               </w:rPr>
               <w:t>specialcharacter</w:t>
           </w:r>
           <w:r w:rsidRPr="00D2553A">
               <w:rPr>
                   <w:rStyle w:val="sub"/>
               </w:rPr>
               <w:t>subscript</w:t>
           </w:r>
           <w:r>
               <w:t>bodytext</w:t>
           </w:r>
       </w:p>
       <w:p w:rsidR="00C10400" w:rsidRPr="004262E6" 
w:rsidRDefault="00C10400" w:rsidP="00C10400">
           <w:pPr>
               <w:pStyle w:val="boxtypeend"/>
           </w:pPr>
           <w:r>
               <w:t>box_8_end</w:t>
           </w:r>
       </w:p>
       <w:p w:rsidR="00C10400" w:rsidRPr="004262E6" 
w:rsidRDefault="00C10400" w:rsidP="00C10400">
           <w:pPr>
               <w:pStyle w:val="boxtype"/>
           </w:pPr>
           <w:r>
               <w:t>box_5</w:t>
           </w:r>
       </w:p>
       <w:p w:rsidR="00C10400" w:rsidRPr="00C34BB4" 
w:rsidRDefault="00C10400" w:rsidP="00C10400">
           <w:pPr>
               <w:pStyle w:val="boxtitle"/>
           </w:pPr>
           <w:r>
               <w:t>boxtitle</w:t>
           </w:r>
       </w:p>
       <w:p w:rsidR="00C10400" w:rsidRPr="00C34BB4" 
w:rsidRDefault="00C10400" w:rsidP="00C10400">
           <w:pPr>
               <w:pStyle w:val="bodytext"/>
           </w:pPr>
           <w:r>
               <w:t>bodytext</w:t>
           </w:r>
       </w:p>
       <w:p w:rsidR="00C10400" w:rsidRPr="004262E6" 
w:rsidRDefault="00C10400" w:rsidP="00C10400">
           <w:pPr>
               <w:pStyle w:val="boxtypeend"/>
           </w:pPr>
           <w:bookmarkStart w:id="0" w:name="_Toc188456515"/>
           <w:bookmarkStart w:id="1" w:name="_Toc188616690"/>
           <w:r>
               <w:t>box_5_end</w:t>
           </w:r>
       </w:p>
       <w:p w:rsidR="00C10400" w:rsidRPr="00C34BB4" 
w:rsidRDefault="00C10400" w:rsidP="00C10400">
           <w:pPr>
               <w:pStyle w:val="h1"/>
           </w:pPr>
           <w:r>
               <w:t>heading_1</w:t>
           </w:r>
           <w:r w:rsidRPr="00C10400">
               <w:rPr>
                   <w:rFonts w:ascii="Cambria Math" w:hAnsi="Cambria 
Math" w:cs="Cambria Math"/>
               </w:rPr>
               <w:t>b</w:t>
           </w:r>
           <w:r>
               <w:t>heading_1_text</w:t>
           </w:r>
           <w:bookmarkEnd w:id="0"/>
           <w:bookmarkEnd w:id="1"/>
       </w:p>
       <w:p w:rsidR="00C10400" w:rsidRPr="00C34BB4" 
w:rsidRDefault="00C10400" w:rsidP="00C10400">
           <w:pPr>
               <w:pStyle w:val="bodytext"/>
           </w:pPr>
           <w:r>
               <w:lastRenderedPageBreak/>
               <w:t xml:space="preserve">bodytext </w:t>
           </w:r>
           <w:r w:rsidRPr="007B59BB">
               <w:rPr>
                   <w:rStyle w:val="emph1"/>
               </w:rPr>
               <w:t>emhapsis_1</w:t>
           </w:r>
           <w:r>
               <w:t xml:space="preserve"> bodytext </w:t>
           </w:r>
           <w:r w:rsidRPr="007B59BB">
               <w:rPr>
                   <w:rStyle w:val="emph1"/>
               </w:rPr>
               <w:t>emphasis_1</w:t>
           </w:r>
           <w:r>
               <w:t xml:space="preserve"> bodytext </w:t>
           </w:r>
           <w:r w:rsidRPr="007B59BB">
               <w:rPr>
                   <w:rStyle w:val="emph1"/>
               </w:rPr>
               <w:t>emphasis_1</w:t>
           </w:r>
           <w:r>
               <w:t xml:space="preserve"> bodytext </w:t>
           </w:r>
           <w:r w:rsidRPr="007B59BB">
               <w:rPr>
                   <w:rStyle w:val="emph1"/>
               </w:rPr>
               <w:t>emphasis_1</w:t>
           </w:r>
           <w:r>
               <w:t xml:space="preserve"> bodytext </w:t>
           </w:r>
           <w:r w:rsidRPr="007B59BB">
               <w:rPr>
                   <w:rStyle w:val="emph1"/>
               </w:rPr>
               <w:t>emphasis_1</w:t>
           </w:r>
           <w:r>
               <w:t xml:space="preserve"> bodytext</w:t>
           </w:r>
           <w:r w:rsidR="00966174">
               <w:rPr>
                   <w:rStyle w:val="FootnoteReference"/>
               </w:rPr>
               <w:footnoteReference w:id="2"/>
           </w:r>
       </w:p>
       <w:p w:rsidR="00C10400" w:rsidRPr="00C34BB4" 
w:rsidRDefault="00C10400" w:rsidP="00C10400">
           <w:pPr>
               <w:pStyle w:val="bodytext"/>
           </w:pPr>
           <w:r>
               <w:t xml:space="preserve">bodytext </w:t>
           </w:r>
           <w:r w:rsidRPr="007B59BB">
               <w:rPr>
                   <w:rStyle w:val="emph1"/>
               </w:rPr>
               <w:t>emphasis_1</w:t>
           </w:r>
           <w:r>
               <w:t xml:space="preserve"> bodytext </w:t>
           </w:r>
           <w:r w:rsidRPr="007B59BB">
               <w:rPr>
                   <w:rStyle w:val="emph1"/>
               </w:rPr>
               <w:t>emphasis_1</w:t>
           </w:r>
           <w:r>
               <w:t xml:space="preserve"> bodytext</w:t>
           </w:r>
           <w:r w:rsidRPr="007B59BB">
               <w:rPr>
                   <w:rStyle w:val="crossref"/>
               </w:rPr>
               <w:t>xref</w:t>
           </w:r>
           <w:r>
               <w:t>bodytext</w:t>
           </w:r>
           <w:r w:rsidRPr="007B59BB">
               <w:rPr>
                   <w:rStyle w:val="crossref"/>
               </w:rPr>
               <w:t>xref</w:t>
           </w:r>
           <w:r>
               <w:t>bodytext</w:t>
           </w:r>
           <w:r w:rsidRPr="007B59BB">
               <w:rPr>
                   <w:rStyle w:val="crossref"/>
               </w:rPr>
               <w:t>xref</w:t>
           </w:r>
           <w:r>
               <w:t>bodytext</w:t>
           </w:r>
       </w:p>
       <w:p w:rsidR="00C10400" w:rsidRPr="004262E6" 
w:rsidRDefault="00C10400" w:rsidP="00C10400">
           <w:pPr>
               <w:pStyle w:val="boxtype"/>
           </w:pPr>
           <w:r>
               <w:t>box_1</w:t>
           </w:r>
       </w:p>
       <w:p w:rsidR="00C10400" w:rsidRPr="00C34BB4" 
w:rsidRDefault="00C10400" w:rsidP="00C10400">
           <w:pPr>
               <w:pStyle w:val="boxtitle"/>
           </w:pPr>
           <w:r>
               <w:t>boxtitle</w:t>
           </w:r>
       </w:p>
       <w:p w:rsidR="00C10400" w:rsidRPr="00C34BB4" 
w:rsidRDefault="00C10400" w:rsidP="00C10400">
           <w:pPr>
               <w:pStyle w:val="bodytext"/>
           </w:pPr>
           <w:r>
               <w:t>bodytext</w:t>
           </w:r>
       </w:p>
       <w:p w:rsidR="00673F5D" w:rsidRPr="008148C1" 
w:rsidRDefault="00C10400" w:rsidP="00622C83">
           <w:pPr>
               <w:pStyle w:val="boxtypeend"/>
           </w:pPr>
           <w:r>
               <w:t>box_1_end</w:t>
           </w:r>
       </w:p>
       <w:sectPr w:rsidR="00673F5D" w:rsidRPr="008148C1" 
w:rsidSect="001706A7">
           <w:headerReference w:type="even" r:id="rId8"/>
           <w:footerReference w:type="default" r:id="rId9"/>
           <w:type w:val="continuous"/>
           <w:pgSz w:w="11906" w:h="16838"/>
           <w:pgMar w:top="1417" w:right="1417" w:bottom="1134" 
w:left="1417" w:header="720" w:footer="720"
               w:gutter ="0"/>
           <w:cols w:space="720"/>
       </w:sectPr>
   </w:body>
</w:document>


The xslt looks like:


<?xml version="1.0" encoding="UTF-8"?>
<xsl:stylesheet xmlns:xsl="http://www.w3.org/1999/XSL/Transform";
   xmlns:ve ="http://schemas.openxmlformats.org/markup-compatibility/2006";
   xmlns:o ="urn:schemas-microsoft-com:office:office"
   xmlns:r 
="http://schemas.openxmlformats.org/officeDocument/2006/relationships";
   xmlns:m 
="http://schemas.openxmlformats.org/officeDocument/2006/math"; 
xmlns:v="urn:schemas-microsoft-com:vml"
   xmlns:wp 
="http://schemas.openxmlformats.org/drawingml/2006/wordprocessingDrawing";
   xmlns:w10 ="urn:schemas-microsoft-com:office:word"
   xmlns:w ="http://schemas.openxmlformats.org/wordprocessingml/2006/main";
   xmlns:wne ="http://schemas.microsoft.com/office/word/2006/wordml"; 
exclude-result-prefixes="wp w10 w wne ve o r m v"
   version ="2.0">

   <xsl:output encoding="UTF-16" indent="yes" method="xml"/>

   <xsl:template match="/w:document">
       <xsl:apply-templates/>
   </xsl:template>

   <xsl:template match="w:body">
       <xsl:for-each-group select="w:p" 
group-starting-with="*[descendant::*/@w:val='chaptitle']">
           <chapter>
               <title>
                   <xsl:apply-templates/>
               </title>
               <xsl:for-each 
select="current-group()[descendant::*/@w:val='authors']">
                   <authors>
                       <xsl:apply-templates/>
                   </authors>
               </xsl:for-each>
               <xsl:for-each-group select="current-group()"
                   group-starting-with 
="*[descendant::*/@w:val='h1']|*[descendant::*/@w:val='h2']|*[descendant::*/@w:val='h3']|*[descendant::*/@w:val='h4']|*[descendant::*/@w:val='h5']">
                   <title>
                       <xsl:apply-templates/>
                   </title>
                   <xsl:for-each-group select="current-group()"
                       group-starting-with 
="*[descendant::*/@w:val='boxtitle']|*[descendant::*/@w:val='boxh1']|*[descendant::*/@w:val='boxh2']|*[descendant::*/@w:val='bodytext']">
                       <box>
                           <xsl:choose>
                               <xsl:when 
test="current-group()[descendant::*/@w:val='boxtitle']">
                                   <title>
                                       <xsl:apply-templates/>
                                   </title>
                               </xsl:when>
                               <xsl:when 
test="current-group()[descendant::*/@w:val='boxh1']">
                                   <subtitle>
                                       <xsl:apply-templates/>
                                   </subtitle>
                               </xsl:when>
                               <xsl:when 
test="current-group()[descendant::*/@w:val='boxh2']">
                                   <subsubtitle>
                                       <xsl:apply-templates/>
                                   </subsubtitle>
                               </xsl:when>
                               <xsl:when 
test="current-group()[descendant::*/@w:val='bodytext']">
                                   <para>
                                       <xsl:apply-templates 
select="current-group()"/>
                                   </para>
                               </xsl:when>
                           </xsl:choose>
                       </box>
                   </xsl:for-each-group>
               </xsl:for-each-group>
           </chapter>
       </xsl:for-each-group>
   </xsl:template>
</xsl:stylesheet>


The required output should be:


<?xml version="1.0" encoding="UTF-16"?>
<chapter>
   <title>16 chaptertitle</title>
   <authors>author</authors>
   <!-- may start with box, paragraph, heading, ... -->
   <box>
       <title>boxtitle</title>
       
<para>bodytext<specialcharacter>specialcharacter</specialcharacter><subscript>subscript</subscript>bodytext<specialcharacter>specialcharacter</specialcharacter></para>
   </box>
   <!-- an so on -->
   <box>
       <title>boxtitle</title>
       <para>bodytext</para>
   </box>

   <section>
       <title>heading_1_text</title>
       <box>
           <title>...</title>
           <para>all child elements</para>
       </box>
       <box>
           <title>...</title>
           <para>...</para>
       </box>
       <para>
           <!-- if there is a paragraph -->
       </para>
   </section>
</chapter>


I hope this is not too much source code and more or less self explaining.

Thanks in advance,
Andreas