在Nokogiri中保留自定義元素上的名稱空間HTML

我有一些示例HTML，我已經用一些特殊標記標記了一些不同的程序，下面是一個html示例。你應該注意到<START:organization>..<END>元素。在Nokogiri中保留自定義元素上的名稱空間HTML

<html> 
<head/> 
<body> 
    <ul> 
    <li> <START:organization> Advanced Integrated Pest Management <END> </li> 
    <li> <START:organization> American Bakers Association <END> </li> 
    </ul> 
</body> 
</html>

我想用引入nokogiri來預處理HTML輕鬆去除像<script>無關的標籤。我創建了下面的延伸到引入nokogiri文檔類：

module Nokogiri 
    module HTML 
    class Document 
     def prepare_html 
     xpath("//script").remove 
     to_html.remove_new_lines 
     end 
    end 
    end 
end

的問題是，引入nokogiri正在改變<START:organization>元件<organization>。

無論如何，我可以保留HTML來維護我的自定義標記標籤？

來源

2011-02-06 dagda1

像另外兩個人說的，如果你的輸入不是標準的XML和HTML，你不能真正期待爲它設計的解析器工作。

不過你可以做下列操作之一：

砍了引入nokogiri爲這個情況
工作改變其他程序，您使用的（很好奇是什麼），以後續標準
爲您正在使用的DSL編寫單獨的解析器

來源

2011-02-06 09:22:32 loosecannon

一個長鏡頭，但嘗試補丁Nokogiri :: XML ::文檔和/或使用to_xml而不是 - 命名空間在HTML中無效，所以我猜Nokogiri不會解析/生成它們。

當然，您的<END>標記也不是有效的XML，因此您的文檔在任何標準中都是無效的。

來源

2011-02-06 07:42:39 wuputah

如果您的標記有效，您可以使用XML解析器而不是HTML解析器來解析它。

編輯：剛剛意識到這一點：

<START:organization>..<END>

有一對夫婦的問題在這裏。首先，開始和結束標記不匹配。如果開始標籤是''then it should be terminated by`。其次，在節點名稱中使用冒號在XML中具有一定含義 - 即第一部分是命名空間，第二部分是節點名稱。在這種情況下，您應該使用名爲「organization」的標籤，或者將其放在屬性中。第一個可能是最有意義的。所以：

<organization>..</organization>

如果你不能改變這個，那麼你不能使用XML/HTML解析器，因爲它不是有效的XML和HTML。

來源

2011-02-06 07:44:25 troelskn

在Nokogiri中保留自定義元素上的名稱空間HTML

回答

相關問題