Nokogiri 使用 .empty 对空字符串返回 False？答案

【问题标题】：Nokogiri Returning False on Empty String With .empty?Nokogiri 使用 .empty 对空字符串返回 False？
【发布时间】：2021-05-04 09:11:21
【问题描述】：

我正在尝试使用基于 Nokogiri 的 gem ruby-readability 从文档中删除空的  标签。在控制台中使用.strip.empty? 可以正常工作，如下所示：

irb> p = Nokogiri::HTML("<p> </p>")
=> #<Nokogiri::HTML::Document...
irb> p.content
=> " "
irb> p.content.strip
=> ""
irb> p.content.strip.empty?
=> true

在ruby-readability gem 中运行相同的操作，将返回false。

在该方法中，我添加了一个额外的调用来测试我的测试 HTML 文档中的   行：

if @options[:remove_empty_nodes]
  node.css("p").each do |elem|
    puts "IS IT EMPTY?"
    puts element.content.strip.empty?
    elem.remove if elem.content.strip.empty?
  end
end

IS IT EMPTY?
false

为什么返回false？

更新：

根据下面的讨论，我在 HTML 文档中添加了一个新元素：。如果我打电话给element.content.bytes.inspect 或element.content.strip.bytes.inspect 我会得到这个：

ELEMENT:
<p> </p>
[194, 160]
ELEMENT:
<p></p>
[]

在 IRB 中，.strip 似乎正在工作：

irb> p.content.bytes.inspect
=> "[32]"
irb> p.content.strip.bytes.inspect
=> "[]"

【问题讨论】：

您确定node.css 块内的element.content 恰好是一个空格而不是其他空格吗？
我在 HTML 文档中添加了它，就像我在 IRB 中添加它一样，如上所述。会是怎样的“别的东西”？你的意思是像&nbsp;这样的东西吗？如果我将puts "'#{element.content.strip.empty?}'" 放在node.css 块中，它会返回''。
我在想"\u00a0" 之类的东西。 element.content.bytes.inspect 长什么样子？
在 IRB 中返回 "[32]"。在循环内它返回[194, 160]。

标签： ruby nokogiri

【解决方案1】：

32十进制是十六进制的0x20或"\u0020"，这是UTF-8中的一个空格，String#strip知道如何处理它。字节[194, 160] 是"\u00a0"，这是一个non-breaking space：它看起来像一个空格，但String#strip 不会将其识别为空格，因为：

空白定义为以下任意字符：null、水平制表符、换行符、垂直制表符、换页符、回车符、空格。

您可以使用whitespace character property 代替#strip：

elem.remove if elem.content.gsub(/\p{Space}/, '').empty?

【讨论】：

好像明白了。感谢您的详细解释和额外资源。
不客气。 Unicode 可以是一个巨大的 PITA，但比其他替代品要少得多。