刪除HTML標記+內容

Question

好吧，就像聽起來那麼簡單，我還是不知道該怎麼做（並想象我甚至決定改變語言）。

所以，我已經得到了無論是簡單的文本或包含一些標記文本（注：有些人可能不被視爲有效 html標籤，例如<ref>），我要刪除所有標籤和它們的內容。

嘗試與Nokogiri的.search("//text()").text但它仍然遠離我的需要。

想法？

---

P.S.我正在尋找一個防彈，100％的工作解決方案，因此正則表達式是相當出了問題......

---

樣品輸入/輸出

One <!-- Two -->Three 

應該返回One Three 。

This is <a href='#'>some Text</a> 

應該返回This is。

Even more <ref name='tag'>reference</ref><br>text 

應該返回Even more text。

Answer 1

如果你想引入nokogiri要做到這一點，你必須使用DocumentFragment類，因爲文本不是有效的HTML或XML文檔。

doc = Nokogiri::HTML::DocumentFragment.parse(text) 

puts doc.xpath("text()") 

這會給你指定的輸出。

Answer 2

引入nokogiri似乎是手頭的問題矯枉過正，我會使用一個正則表達式來它解決如下

input = "One <!-- Two -->Three" 
input.gsub(/(\<.+\>)/) 
#=> "One Three" 

input = "This is <a href='#'>some Text</a>" 
input.gsub(/(\<.+\>)/, "") 
#=> "This is " 

input = "Even more <ref name='tag'>reference</ref><br>text" 
input.gsub(/(\<.+\>)/, "") 
#=> "Even more text" 

論證rubular