为什么 Nokogiri 会剥离内容？答案

【问题标题】：Why does Nokogiri strip the content?为什么 Nokogiri 会剥离内容？
【发布时间】：2011-05-06 23:21:22
【问题描述】：

我有这个内容：

<div class="CodeRay">
  <div class="code"><pre>puts <span style="background-color:#fff0f0;color:#D20"><span style="color:#710">&quot;</span><span style="">Hello, world!</span><span style="color:#710">&quot;</span></span></pre></div>
</div>

我想使用 Nokogiri 将它添加到 HTML 文档中：

File.open("frame2.html", "r") do |file|
  doc = Nokogiri::HTML.parse(file)
end
doc.at_css("body") = content # this is my content 
puts doc.to_html

然后内容转换成这样：

&lt;div class="CodeRay"&gt;
  &lt;div class="code"&gt;&lt;pre&gt;puts &lt;span style="background-color:#fff0f0;color:#D20"&gt;&lt;span style="color:#710"&gt;&amp;quot;&lt;/span&gt;&lt;span style=""&gt;Hello, world!&lt;/span&gt;&lt;span style="color:#710"&gt;&amp;quot;&lt;/span&gt;&lt;/span&gt;&lt;/pre&gt;&lt;/div&gt;
&lt;/div&gt;

HTML 文件的另一部分没问题。问题是 Nokogiri 为什么要剥离内容？为什么将其转换为 HTML 实体？

【问题讨论】：

标签： html ruby nokogiri

【解决方案1】：

我重新格式化了您的内部 HTML，使其作为示例更具可读性。

Nokogiri 没有剥离任何东西，它只是对正在添加的内容进行编码，因为你告诉它这样做。

除非您告诉 Nokogiri 新文本已经是 HTML，否则它将假定您正在添加文本，并且由于文本包含应该编码的字符，它会为您进行编码。

这是你真正想做的事情：

require "nokogiri"

html = '<div class="CodeRay">
  <div class="code">
    <pre>puts <span style="background-color:#fff0f0;color:#D20">
      <span style="color:#710">&quot;</span>
      <span style="">Hello, world!</span>
      <span style="color:#710">&quot;</span>
      </span>
    </pre>
  </div>
</div>'

doc = Nokogiri::HTML('<html><body></body></html>')
doc.at('body').inner_html = html
puts doc.to_html

>> <!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.0 Transitional//EN" "http://www.w3.org/TR/REC-html40/loose.dtd">
>> <html><body><div class="CodeRay">
>>   <div class="code">
>>     <pre>puts <span style="background-color:#fff0f0;color:#D20">
>>       <span style="color:#710">"</span>
>>       <span style="">Hello, world!</span>
>>       <span style="color:#710">"</span>
>>       </span>
>>     </pre>
>>   </div>
>> </div></body></html>

【讨论】：