Nokogiri 阻止转换实体

【问题标题】：Nokogiri prevent converting entitiesNokogiri 阻止转换实体
【发布时间】：2011-09-14 14:45:51
【问题描述】：

def wrap(content)
  require "Nokogiri"
  doc = Nokogiri::HTML.fragment("<div>"+content+"</div>")
  chunks = doc.at("div").traverse do |p|
    if p.is_a?(Nokogiri::XML::Text)
      input = p.content
      p.content = input.scan(/.{1,5}/).join("&shy;")
    end
  end
  doc.at("div").inner_html
end

wrap("aaaaaaaaaa")

给我

"aaaaa&amp;shy;aaaaa"

而不是

"aaaaa&shy;aaaaa"

如何得到第二个结果？

【问题讨论】：

如果你使用&#xAD;而不是&shy;会发生什么？
同样的结果，&被编码为&我得到

标签： html ruby nokogiri

【解决方案1】：

doc.at("div").text

而不是

doc.at("div").inner_html

然而，这会从结果中删除所有 HTML。如果您需要保留其他标记，您可以使用 CGI.unescapeHTML：

CGI.unescapeHTML(doc.at("div").inner_html)

【讨论】：

在这种情况下，您可能可以使用 CGI.unescapeHTML。更新答案
是的，你失去了所有应该存在的文本实体（如果有的话）我正在寻找一个透明的解决方案。
好的，我想我明白了你想要做什么。我相信问题在于''被添加为编码文本，而不是 HTML 实体。尝试使用p.content = Nokogiri::HTML.fragment(input.scan(/.{1,5}/).join("&shy;")) 将字符串解析为 HTML 片段。如果它有效，我将更新我的答案/创建另一个。如果没有，我就没主意了。