只需要使用 Nokogiri 从对象/嵌入标签中删除换行符答案

【问题标题】：Need to remove newlines from object/embed tags only using Nokogiri只需要使用 Nokogiri 从对象/嵌入标签中删除换行符
【发布时间】：2011-06-04 10:16:03
【问题描述】：

我需要从任何对象/嵌入标签中删除换行符。我目前正在尝试通过执行以下操作来使用 Nokogiri：

s = "<div>
<object height='450' width='600'>
<param name='allowfullscreen' value='true'>
<param name='allowscriptaccess' value='always'>
<param name='movie' value='http://vimeo.com/moogaloop.swf?clip_id=3317924&amp;server=vimeo.com&amp;show_title=1&amp;show_byline=1&amp;show_portrait=0&amp;color=&amp;fullscreen=1'>
<embed src='http://vimeo.com/moogaloop.swf?clip_id=3317924&amp;server=vimeo.com&amp;show_title=1&amp;show_byline=1&amp;show_portrait=0&amp;color=&amp;fullscreen=1' type='application/x-shockwave-flash' allowfullscreen='true' allowscriptaccess='always' height='450' width='600'>
</embed>
</object>
</div>"
doc = Nokogiri::HTML(s)
doc.css('object').each { |o| o.inner_html.gsub!(/\n/, ""); puts o.inner_html }

请注意，该示例仅适用于对象标签。

在块的末尾打印 o.inner_html 表明没有发生替换，即使 gsub 文本看起来是正确的。此外，一旦解决了该部分，我需要确保 doc 对象中的实际 object 节点与更新的值一起保存。

非常感谢任何帮助。谢谢。

【问题讨论】：

a) 我会通过 doc.xpath('//object/text()').each{ |t| t.remove } 删除空格； b) 这样做没有帮助； c) 即使您删除源中参数之间的空格，您也会看到它出现在输出中。问题在于序列化，而不是文档表示。
doc.xpath('//object/text()') 在此示例中不返回任何内容。
"doc.xpath('//object/text()') 在此示例中不返回任何内容"。实际上确实如此。它返回[#<Nokogiri::XML::Text:0x80899cb8 "\n">]
一定是打错了什么，确实如此。
不过还是没有回答我上面的问题。

标签： ruby-on-rails ruby replace newline nokogiri

【解决方案1】：

知道了！

require 'nokogiri'
s = <<ENDHTML
<div>
<object height='450' width='600'>
  <param name='allowfullscreen' value='true'><param name='allowscriptaccess' value='always'>
  <param name='movie' value='http://vimeo.com/moogaloop.swf?clip_id=3317924&amp;server=vimeo.com&amp;show_title=1&amp;show_byline=1&amp;show_portrait=0&amp;color=&amp;fullscreen=1'>
<embed src='http://vimeo.com/moogaloop.swf?clip_id=3317924&amp;server=vimeo.com&amp;show_title=1&amp;show_byline=1&amp;show_portrait=0&amp;color=&amp;fullscreen=1' type='application/x-shockwave-flash' allowfullscreen='true' allowscriptaccess='always' height='450' width='600'>
</embed>
</object>
</div>
ENDHTML

doc = Nokogiri::HTML(s)
doc.css('object,embed').each{ |e| e.inner_html = e.inner_html.gsub(/\n/,'') }
puts doc.serialize( save_with: 0 )

#=> <!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.0 Transitional//EN" "http://www.w3.org/TR/REC-html40/loose.dtd">
#=> <html><body><div>
#=> <object height="450" width="600"><param name="allowfullscreen" value="true"><param name="allowscriptaccess" value="always"><param name="movie" value="http://vimeo.com/moogaloop.swf?clip_id=3317924&amp;server=vimeo.com&amp;show_title=1&amp;show_byline=1&amp;show_portrait=0&amp;color=&amp;fullscreen=1"><embed src="http://vimeo.com/moogaloop.swf?clip_id=3317924&amp;server=vimeo.com&amp;show_title=1&amp;show_byline=1&amp;show_portrait=0&amp;color=&amp;fullscreen=1" type="application/x-shockwave-flash" allowfullscreen="true" allowscriptaccess="always" height="450" width="600"></embed></object>
#=> </div></body></html>

删除所有文本节点并不能完全清除文档；您需要使用inner_html。
调用inner_html.gsub!与inner_html = inner_html.gsub不同。
如图所示，您需要使用 serialize 和传入的哈希 :save_with => 0，以防止 Nokogiri 在输出中的标签之间生成换行符。

【讨论】：

效果很好——你太棒了，先生！我所做的唯一细微更改是将最后一行更改为 puts doc.css('body').children.first.serialize(:save_with => 0) 以避免打印 doctype、html 和 body 标签。
仅供参考 - save_with: 0 应在上面的代码区域中更改为 :save_with => 0。再次感谢。
@modulaaron 抱歉，这是带有符号键的 1.9 哈希语法；是的，对于 1.8.x，您将需要该语法。