Ruby Nokogiri::HTML::Builder 编码问题

Question

我们正在使用 Nokogiri 根据用户输入创建 HTML5 页面，但我们发现了一些奇怪的编码问题。

在我们的数据库表中，我们有一个名为compiled_html的属性，其中包含：

<p class="lead align-left">Just testing out some encoding issues:<br><br>Héllo Äre Thésè symbols showing correctly? </p>

从我们的数据库中提取这个 HTML sn-p 并创建一个新页面后 Nokogiri 输出：

<p class="lead align-left">Just testing out some encoding issues:<br><br>Héllo Ãre Thésè symbols showing correctly? </p

这就是我们提取compiled_html数据并使用Nokogiri的方式：

page_doc = Nokogiri::HTML::fragment(page.compiled_html)

（阅读后输出page_doc时的旁注HTML是正确的）

# create page html
    builder = Nokogiri::HTML::Builder.new(:encoding => 'UTF-8') do |doc|
      doc.html {
        doc.head {
          doc.title page.name
          doc.meta(charset: 'utf-8')
          doc.meta(name: 'viewport', content: 'width=device-width, initial-scale=1.0')
          doc.meta(name: 'description', content: '')
          doc.meta(name: 'author', content: "#{issue.publication.user.firstname} #{issue.publication.user.lastname}")
          doc.link(rel: 'stylesheet', href: "themes/#{theme.identifier}/theme.css")
          doc.script(type: 'text/javascript', src: "themes/#{theme.identifier}/theme.js")
        }
        doc.body {
          doc << page_doc
        }
      }
    end

我们已经尝试以不同的方式将编码设置为 utf-8，但无论我们尝试什么，我们仍然会在输出中得到奇怪的符号。

这是针对 Ruby on Rails 4 应用程序的。

有什么想法吗？谢谢！

更新：如果我改变：

doc.body {
          doc << page_doc
        }

到这里：

doc.body {
          doc.text page_doc
        }

那么字符编码是正确的，但是我得到的所有HTML都不正确

< 

而不是

< 

等等

Answer 1

好的，所以我们发现它实际上与 Heroku 以及那里安装的导致问题的 libxml 版本有关：Nokogiri adds characters during parsing on Heroku

我出色的程序员想出了一个快速解决方案来解决我们的问题：

    doc.body {
      # doc << page_doc
    }

    # insert html contents
    builder.doc.at_css('body').children = page_doc