我正在尝试从字符串中删除所有html，以便我可以对其执行一些正则表达式。我发现你可以使用Nokogiri来使用xpath来获取文本：
Nokogiri::HTML(my_string).xpath("//text()").text
这很有效，但我发现它几乎随机删除了一些新的行字符，最终破坏了我的正则表达式。它收到的html总是有效的（虽然通常没有很好地形成 - 它是使用wysiwyg编辑器制作的）所以这应该不是问题。
Nokogiri有没有理由删除新线路，有没有办法避免它？这是一个命令行脚本，所以我没有rails或其他任何东西。
这是一个不保留换行符的文本示例：
<p>Composition: <span>83% Polyester Bright, 17% Spandex </span> <span><br />
</span>Washing: Cold hand wash only<span><br />
</span>Designer: James Lillis <span><br />
</span>Made in: Australia </p>
如果重要，我正在使用Oj从JSON文件中读取html。这就是它在JSON文件中的显示方式：
"\u003Cp\u003EComposition: \u003Cspan\u003E83% Polyester Bright, 17% Spandex \u0026nbsp; \u0026nbsp;\u003C/span\u003E\u0026nbsp;\u003Cspan\u003E\u003Cbr /\u003E\n \u003C/span\u003EWashing: Cold hand wash only\u003Cspan\u003E\u003Cbr /\u003E\n \u003C/span\u003EDesigner: James Lillis\u0026nbsp;\u003Cspan\u003E\u003Cbr /\u003E\n \u003C/span\u003EMade in: Australia\u0026nbsp;\u003C/p\u003E\n"
当我通过上面的nokogiri函数调用时，这就是它的结果：
Composition: 83% Polyester Bright, 17% Spandex Washing: Cold hand wash onlyDesigner: James Lillis Made in: Australia
感谢您的帮助
更新：我发现当\n字符位于span元素中时，它似乎会删除换行符（由于某种原因，编辑器做了很多）。如果有办法阻止这种情况发生，我想知道，否则我可能会尝试事先检测到它。