Ruby Nokogiri - 如何防止 Nokogiri 打印 HTML 字符实体答案

【问题标题】：Ruby Nokogiri - How to prevent Nokogiri from printing HTML character entitiesRuby Nokogiri - 如何防止 Nokogiri 打印 HTML 字符实体
【发布时间】：2016-03-04 01:30:35
【问题描述】：

我有一个 html，我正在使用 Nokogiri 解析它，然后像这样生成一个 html

htext= File.open(input.html).read
h_doc = Nokogiri::HTML(htmltext)
/////Modifying h_doc//////////

File.open(output.html, 'w+')  do |file|
file.write(h_doc)
end

问题是如何防止NOkogiri在最终生成的html文件中打印HTML字符实体(&lt; &gt;, &amp; &nbsp;)。

我想打印实际字符（等），而不是 HTML 字符实体 (&lt; &gt; &amp; &nbsp;)。

As an example it is printing the html like
 <title>&lt;%= ("/emailclient=sometext") %&gt;</title>
and I want it to output like this
<title><%= ("/emailclient=sometext")%></title>

【问题讨论】：

标签： ruby nokogiri

【解决方案1】：

所以...您希望 Nokogiri 输出不正确或无效的 XML/HTML？

我有最好的建议，事先用其他东西替换这些序列，用 Nokogiri 将其剪切，然后将它们替换回来。您的输入不是 XML/HTML，没有必要期望 Nokogiri 知道如何正确处理它。因为看：

<div>To write "&amp;", you need to write "&amp;amp;".</div>

这呈现：

To write "&", you need to write "&amp;".

如果你有自己的方式，你会得到这个 HTML：

<div>To write "&", you need to write "&amp;".</div>

将呈现为：

To write "&", you need to write "&".

在这种情况下甚至更糟，比如在 XHTML 中：

<div>Use the &lt;script&gt; tag for JavaScript</div>

如果你替换实体，你会得到无法显示的文件，因为 <script> 标签未关闭：

<div>Use the <script> tag for JavaScript</div>

编辑我仍然认为你试图让 Nokogiri 做一些它不打算做的事情：处理模板 HTML。我宁愿假设您的文档通常不包含这些序列，然后对它们进行更正：

doc.traverse do |node|
  if node.text?
    node.content = node.content.gsub(/^(\s*)(\S.+?)(\s*)$/,
                                     "\\1<%= \\2 %>\\3")
  end
end
puts doc.to_html.gsub('&lt;%=', '<%=').gsub('%&gt;', '%>')

【讨论】：

我认为必须有某种方法可以做到这一点。原始的html是 sometext 的形式，我希望它像这样替换。但我越来越喜欢这个 &lt%;sometext%> 。我真的觉得一定有什么办法。
stackoverflow.com/questions/4476047/… 。这个链接谈论做我想做的相反的事情。
只是为了添加更多信息，我正在更改 html 变量文本，如下所示 h_doc.traverse do |x|如果 x.text? x.content ="" end end end

【解决方案2】：

你绝对可以阻止 Nokogiri 改变你的实体。它甚至是一个内置功能，不需要伏都教或黑客攻击。请注意，我不是 nokogiri 大师，只有当我直接在文档内的节点上执行时才能使用它，但我敢肯定，稍微挖掘一下就可以向您展示如何使用独立节点执行此操作也是。

当您创建或加载文档时，您需要包含 NOENT 选项。而已。大功告成，您现在可以将实体添加到您的心脏内容中。

需要注意的是，大约有六种方法可以调用带有选项的文档，以下是我个人最喜欢的方法。

   require 'nokogiri'
   noko_doc = File.open('<my/doc/path>') { |f| Nokogiri.<XML_or_HTML>(f, &:noent)}
   xpath = '<selector_for_element>'
   noko_doc.at_<css_or_xpath>(xpath).set_attribute('I_can_now_safely_add_preformatted_entities!', '&amp;&amp;&amp;&amp;&amp;')
   puts noko_doc.at_xpath(xpath).attributes['I_can_now_safely_add_preformatted_entities!']
>>> &amp;&amp;&amp;&amp;&amp;

至于这个功能的用处……我觉得它非常有用。在很多情况下，您正在处理您无法控制的预格式化数据，并且必须管理传入的实体以便 nokogiri 可以将它们恢复到原来的样子，这将是一个严重的痛苦。

【讨论】：