Ruby 1.9 中的 HTML 整理/清理答案

【问题标题】：HTML tidy/cleaning in Ruby 1.9Ruby 1.9 中的 HTML 整理/清理
【发布时间】：2009-08-20 20:46:01
【问题描述】：

我目前正在使用 RubyTidy Ruby 绑定 HTML tidy 以确保我收到的 HTML 格式正确。目前这个库是唯一阻碍我在 Ruby 1.9 上获得 Rails 应用程序的东西。是否有任何替代库可以整理 Ruby 1.9 上的 HTML 块？

【问题讨论】：

标签： html ruby-1.9 tidy

【解决方案1】：

http://github.com/libc/tidy_ffi/blob/master/README.rdoc 适用于 ruby 1.9（最新版本）

如果你在windows上工作，你需要设置library_path eg

    require 'tidy_ffi'
    TidyFFI.library_path = 'lib\\tidy\\bin\\tidy.dll'
    tidy = TidyFFI::Tidy.new('test')
    puts tidy.clean

（它使用与tidy相同的dll）以上链接为您提供了更多用法示例。

【讨论】：

【解决方案2】：

我正在使用Nokogiri 来修复无效的html：

Nokogiri::HTML::DocumentFragment.parse(html).to_html

【讨论】：

我认为这不会整理 HTML。
可靠吗？我的意思是，它是否修复了语法错误，例如段落中的嵌套列表？
Nokogiri 仅确保 html 格式正确，但不会修复语法错误。例如，<table>x<table>y 被“固定”成<table>x<table>y</table></table>

【解决方案3】：

这是一个很好的例子，说明如何使用 tidy 让你的 html 看起来更好：

require 'tidy'
Tidy.path = '/opt/local/lib/libtidy.dylib' # or where ever your tidylib resides

nice_html = ""
Tidy.open(:show_warnings=>true) do |tidy|
  tidy.options.output_xhtml = true
  tidy.options.wrap = 0
  tidy.options.indent = 'auto'
  tidy.options.indent_attributes = false
  tidy.options.indent_spaces = 4
  tidy.options.vertical_space = false
  tidy.options.char_encoding = 'utf8'
  nice_html = tidy.clean(my_nasty_html_string)
end

# remove excess newlines
nice_html = nice_html.strip.gsub(/\n+/, "\n")
puts nice_html

如需更整洁的选项，请查看man page。

【讨论】：

到目前为止，tidy gem 似乎与 Ruby 1.9 不兼容。 github.com/ShogunPanda/tidy 似乎有一个分叉，但我没有调查它。

【解决方案4】：

目前只有这个库阻碍我获得 Ruby 1.9 上的 Rails 应用程序。

注意，Ruby Tidy 绑定有一些严重的内存泄漏。它目前无法在长时间运行的进程中使用。（为了记录，我使用的是http://github.com/ak47/tidy）

我只需要从生产 Rails 2.3 应用程序中删除它，因为它的泄漏速度约为 1MB/分钟。

【讨论】：