如何在Ruby on Rails中使用Nokogiri中的XPath忽略HTML腳本元素？

說我先從body元素中的一切：如何在Ruby on Rails中使用Nokogiri中的XPath忽略HTML腳本元素？

Nokogiri::HTML(doc).xpath("/html/body/node()").to_html

其中包含了一些<script>和<noscript>。我如何擺脫這些？

來源

2011-09-12 Eric

您是否試圖淨化/淨化您的HTML？ –

我對HTML的回答不夠全面，但我試圖將一些命令行XSLT命令重寫爲Nokogiri，因爲Heroku不支持命令行工具。 – Eric

您可能需要您的XPath表達式更改爲：

Nokogiri::HTML(doc).xpath("/html/body/node()[not(self::script or self::noscript)]").to_html

來源

2011-09-12 19:59:10

#!/usr/bin/env ruby 

require 'nokogiri' 

html = <<EOT 
<html> 
    <head> 
    <script> 
     <!-- dummy script !> 
    </script> 
    </head> 
    <body> 
    <script><!-- dummy script !></script> 
    <noscript>dummy script</noscript> 
    </body> 
</head> 
EOT 

doc = Nokogiri::HTML(html)

下面是它的要點：

doc.at('body').search('script,noscript').remove 

puts doc.to_xml 

>> <!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.0 Transitional//EN" "http://www.w3.org/TR/REC-html40/loose.dtd"> 
>> <html> 
>> <head> 
>> <meta http-equiv="Content-Type" content="text/html; charset=US-ASCII"> 
>> <script> 
>>  <!-- dummy script !> 
>>  </script> 
>> </head> 
>> <body> 
>>  
>> </body> 
>> </html>

爲簡單起見，我使用的引入nokogiri的使用CSS存取能力而不是XPath。

doc.at('body').search('script,noscript').remove

將查找<body>標籤的第一次出現，然後查找裏面的所有<script>和<noscript>標記，刪除它們。

由此產生的<body>標記之間的差距是文本節點中跟蹤實際目標標記的回車的結果。

來源

2011-09-12 23:06:58

謝謝，這個答案也適用於我。 – Eric

如何在Ruby on Rails中使用Nokogiri中的XPath忽略HTML腳本元素？

回答

相關問題