從Nokogiri中刪除HTML中的所有外部資源

我想從html文件中刪除所有外部資源。我正在使用wget製作頁面的一些本地副本。 Wget有將鏈接轉換爲本地文件系統的選項，但它仍然可以，但仍然有一些鏈接（在我認爲下載深度結束時）保留其外部src，因此它們包含http。從Nokogiri中刪除HTML中的所有外部資源

我能得到查找包含HTTP一切最接近的是使用這樣的：

doc.search（「// * [開始，用（@href， 'HTTP'）」）

但是，這只是發現href元素和http也可以在圖像，視頻和任何東西。任何想法什麼是正確的指示Nokogiri告訴我一切包含http？

謝謝。

2012-03-16 Pod

如果你只是想擴大搜索範圍，與元素的任何屬性開始以「http」你可以這樣做：

doc.search("//*[@*[starts-with(.,'http')]]")

2012-03-16 12:56:19

您好，感謝這麼多！爲了我的需要，我不得不改變它以獲取包含http的所有內容。但是你的代碼讓我進入了軌道。我現在正在使用doc.search（「// @ * [starts-with（。，'http'）]」 – Pod 2012-03-16 14:36:43

不同之處在於我的XPath語句（錯誤類型現已修復）會查找所有*元素* 'http'，而你自己只能找到*屬性節點*兩者都可以，這取決於你以後會怎麼做。 – 2012-03-16 16:20:14

回答