使用Nokogiri读取格式错误的XML：URL字段中未转义的＆符号

Question

我正试图在我的rails项目中使用Nokogiri从第三方读取XML文件。 我解析的其中一个节点包含一个带未转义的＆符号的URL（如foo.com/index.html?page=1&query=bar）

我知道这被认为是格式错误的XML，Nokogiri只是试图解析它，导致foo.com/index.html?page=1=bar。

如何获取完整的网址？我可以调整Nokogiri吗？你会进行搜索和替换 - 预运行或最佳实践吗？

Answer 1

使用包含＆符号的图像链接解析SVG时遇到同样的问题。

将HTML解析为HTML似乎正确处理链接，转义＆amp;。

fixed_svg = Nokogiri::HTML.fragment(raw_svg).to_html
# proceed with XML parsing
svg = Nokogiri::XML(fixed_svg)