Question

我有一个HTML内容 -

html = "<table id=\"soa_table\" class=\"table table-striped table-bordered table-condensed soa-table\"><thead><tr><th>SoA</th><th id=\"423\" class=\"soa-column text-center\">V1</th><th id=\"424\" class=\"soa-column text-center\">V2</th></tr></thead><tbody><tr><td class=\"soa-row\" id=\"631\">Label 1</td><td class=\"soa-element text-center\" form_id=\"631\" visit_id=\"423\" id=\"484\"><span class=\"glyphicon glyphicon-ok text-success\"></span></td><td class=\"soa-element\" form_id=\"631\" visit_id=\"424\" id=\"0\"> </td></tr><tr><td class=\"soa-row\" id=\"632\">Label 2</td><td class=\"soa-element text-center\" form_id=\"632\" visit_id=\"423\" id=\"485\"><span class=\"glyphicon glyphicon-ok text-success\"></span></td><td class=\"soa-element\" form_id=\"632\" visit_id=\"424\" id=\"0\"> </td></tr><tr><td class=\"soa-row\" id=\"633\">Label 3</td><td class=\"soa-element\" form_id=\"633\" visit_id=\"423\" id=\"0\"> </td><td class=\"soa-element text-center\" form_id=\"633\" visit_id=\"424\" id=\"486\"><span class=\"glyphicon glyphicon-ok text-success\"></span></td></tr></tbody></table>"

现在我通过Nokogiri解析它并试图将空格格式化为---

Nokogiri::HTML(html).at('table').to_html.gsub(/>\s+</, "><")

但它不起作用

Answer 1

删除没有文字的标签之间不需要的空格

我认为你的意思是这种空间：

<td class="soa-element" form_id="631" visit_id="424" id="0"> </td>
                                                            ^

这是一个包含单个空格的文本节点。

让我们使用一个较小的例子：

html = '<foo>value</foo><bar> </bar>'

doc = Nokogiri::HTML.fragment(html)

您可以使用PP检查已解析的文档结构：

require 'pp'

pp doc

输出：

#(DocumentFragment:0x3fe819894018 {
  name = "#document-fragment",
  children = [
    #(Element:0x3fe819891b9c { name = "foo", children = [ #(Text "value")] }),
    #(Element:0x3fe819891ae8 { name = "bar", children = [ #(Text " ")] })]
  })

该文档包含两个文本节点，一个包含"value"，另一个包含" "。

为了删除后者，我们可以遍历文档并删除只包含空格的所有文本节点：

doc.traverse { |node| node.remove if node.text? && node.text !~ /\S/ }
pp doc

输出：

#(DocumentFragment:0x3fe819894018 {
  name = "#document-fragment",
  children = [
    #(Element:0x3fe819891b9c { name = "foo", children = [ #(Text "value")] }),
    #(Element:0x3fe819891ae8 { name = "bar" })]
  })

最后，我们可以序列化文档：

doc.to_html
#=> "<foo>value</foo><bar></bar>"

Answer 2

gsub不会替换为源对象。 gsub!。此外，你根本不需要Nokogiri。

require 'nokogiri'

puts 'Needlessly using Nokogiri'
html = "<p>   </p>"
new_html = Nokogiri::HTML(html).at('p').to_html.gsub(/>\s+</, '><')
puts html
puts new_html

puts '-' * 20

puts 'Solution #1'
html = "<p>   </p>"
new_html = html.gsub(/>\s+</, '><')
puts html
puts new_html

puts '-' * 20

puts 'Solution #2'
html = "<p>   </p>"
puts html
html.gsub!(/>\s+</,'><')
puts html

该程序的输出是：

Needlessly using Nokogiri
<p>   </p>
<p></p>
--------------------
Solution #1
<p>   </p>
<p></p>
--------------------
Solution #2
<p>   </p>
<p></p>

Answer 3

删除仅限空格的文本节点：

doc.search('//text()[normalize-space()=""]').remove

使用示例进行更新：

Nokogiri::HTML('<b></b>   <b></b>').search('//text()[normalize-space()=""]').remove
#=> [#<Nokogiri::XML::Text:0x197ad78 "   ">]

Nokogiri--删除没有文本的标签之间不需要的空格

3 个答案: