Nokogiri：删除所有不在特定标签内的字符串的节点答案

【问题标题】：Nokogiri: Removing all nodes that have a string NOT inside specific tagNokogiri：删除所有不在特定标签内的字符串的节点
【发布时间】：2013-12-24 15:41:25
【问题描述】：

我有一个 Nokogiri 实例，我想删除所有包含文本“TITLE OF ARTICLE”且不在 h1 标记内的节点？

htmlSource = "<HTML><H1>TITLE OF ARTICLE</H1><b>TITLE OF ARTICLE</b></HTML>"
nokogiri = Nokogiri::HTML(htmlSource)
headers = nokogiri.xpath('//h1')
#what to do next?
#I want the output to be <HTML><H1>TITLE OF ARTICLE</H1></HTML>

【问题讨论】：

标签： ruby xpath nokogiri

【解决方案1】：

要排除h1标签，可以使用*[name()!="h1"] xpath表达式；然后使用NodeSet#remove 删除匹配的节点。

matched = nokogiri.xpath('//*[name()!="h1"][text()="TITLE OF ARTICLE"]')
matched.remove()

替代使用css方法：

matched = nokogiri.css('*[name()!="h1"][text()="TITLE OF ARTICLE"]')
matched.remove()

【讨论】：

【解决方案2】：

这是我将如何使用Nokogiri::XML::NodeSet#remove：

require 'nokogiri'

htmlSource = "<HTML><H1>TITLE OF ARTICLE</H1><b>TITLE OF ARTICLE</b></HTML>"
nokogiri = Nokogiri::HTML.parse(htmlSource)
node_to_remove = nokogiri.xpath('//*[not(self::h1) and .="TITLE OF ARTICLE"]')
node_to_remove.remove
puts nokogiri
# >> <!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.0 Transitional//EN" "http://www.w3.org/TR/REC-html40/loose.dtd">
# >> <html><body><h1>TITLE OF ARTICLE</h1></body></html>

【讨论】：

如何使这个通用化？可能是粗体之外的其他标签。