Question

我有一堆HTML内容存储在数据库中，我希望将所有相对资产引用转换为使用绝对路径。例如，我的所有图片代码都是这样的：

<img src=\"/system/images/146/original/03.png?1362691463\">

我正在尝试将“http://mydomain.com”添加到“/ system / images /”位，我有以下代码，我希望能够处理这些代码，但遗憾的是它似乎没有导致任何代码变化：

text = "<img src=\"/system/images/146/original/03.png?1362691463\">"
text.gsub(%r{<img src=\\('|")\/system\/images\/}, "<img src=\"http://virtualrobotgames.com/system/images/")

Answer 1

使用为作业制作的工具，而不是使用常规字符串操作来操作URL字符串。 Ruby包含URI类，并且有更全面的Addressable gem。

如果我有一些带有我想重写的链接的HTML，那就是我要做的事情：

首先，解析文档：

require 'nokogiri'
require 'uri'

SOURCE_SITE = "http://virtualrobotgames.com"

html = '
<html>
<head></head>
<body>
  <img src="/system/images/146/original/03.png?1362691463">
  <script src="/scripts/foo.js"></script>
  <a href="/foo/bar.html">foo</a>
</body>
</html>
'
doc = Nokogiri::HTML(html)

然后，您就可以浏览文档并修改<a>，<img>，<script>等标记以及其他任何内容：

# find things using 'src' and 'href' parameters
tags = {
  'img'    => 'src',
  'script' => 'src',
  'a'      => 'href'
}
doc.search(tags.keys.join(',')).each do |node|

  url_param = tags[node.name]

  src = node[url_param]
  unless (src.empty?)
    uri = URI.parse(src)
    if uri.relative?
      uri.scheme = SOURCE_SITE.scheme
      uri.host = SOURCE_SITE.host
      node[url_param] = uri.to_s
    end
  end
end

puts doc.to_html

在运行之后输出：

<!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"></head>
<body>
  <img src="http://virtualrobotgames.com/system/images/146/original/03.png?1362691463"><script src="http://virtualrobotgames.com/scripts/foo.js"></script><a href="http://virtualrobotgames.com/foo/bar.html">foo</a>
</body>
</html>

这并不是一个完整的，完全有效的例子。这是使用绝对链接，但你必须处理相对链接，与兄弟/对等主机名的链接，缺少参数。

您还需要在解析后检查“doc”的errors方法，以确保它是有效的HTML。解析器可以在无效的HTML中重写/修剪节点，试图理解它。

Answer 2

你能不能只使用'base'html标签来做这件事？假设您直接从网址阅读html内容，您可以执行以下操作：

response = RestClient.get(<original_url>)
base_url = '<your_base_url>'
html_content = response.body
if html_content.index('<head>')
    html_content = html_content.gsub!('<head>', "<head><base href='#{base_url}'>")
end

Answer 3

显然这是我传递的搜索参数的问题，不需要转义序列。

%r{<img src=\\('|")\/system\/images\/}

变得简单：

%r{<img src="/system/images/}

用绝对路径网址替换相对路径网址

3 个答案: