Question

我有一个html，我正在使用Nokogiri进行解析，然后像这样生成一个html

htext= File.open(input.html).read
h_doc = Nokogiri::HTML(htmltext)
/////Modifying h_doc//////////

File.open(output.html, 'w+')  do |file|
file.write(h_doc)
end

问题是如何防止NOkogiri在最终生成的html文件中打印HTML字符实体(< >, &  )。

而不是HTML字符实体(< > &  )我想打印实际字符（＆lt;，＆gt;等）。

As an example it is printing the html like
 <title>&lt;%= ("/emailclient=sometext") %&gt;</title>
and I want it to output like this
<title><%= ("/emailclient=sometext")%></title>

Answer 1

所以......你想让Nokogiri输出不正确或无效的XML / HTML吗？

我有最好的建议，事先用其他东西替换这些序列，用Nokogiri将其切掉，然后将它们更换回去。您的输入是而非XML / HTML ，没有必要指望Nokogiri知道如何正确处理它。因为看：

<div>To write "&amp;", you need to write "&amp;amp;".</div>

这呈现：

To write "&", you need to write "&amp;".

如果您按照自己的方式行事，则会获得此HTML：

<div>To write "&", you need to write "&amp;".</div>

将呈现为：

To write "&", you need to write "&".

在这种情况下更糟糕的是，例如，在XHTML中：

<div>Use the &lt;script&gt; tag for JavaScript</div>

如果您替换实体，则会因未公开的<script>标记而获得无法显示的文件：

<div>Use the <script> tag for JavaScript</div>

编辑我仍然认为您正试图让Nokogiri做一些不打算做的事情：处理模板HTML。我宁愿假设您的文档通常不包含这些序列，并对其进行后期更正：

doc.traverse do |node|
  if node.text?
    node.content = node.content.gsub(/^(\s*)(\S.+?)(\s*)$/,
                                     "\\1<%= \\2 %>\\3")
  end
end
puts doc.to_html.gsub('&lt;%=', '<%=').gsub('%&gt;', '%>')

Answer 2

你绝对可以阻止Nokogiri改变你的实体。它内置功能，甚至不需要伏都教或黑客。请注意，我不是一个nokogiri大师，当我直接在文档内的节点上执行操作时，我只能让它工作，但我确定一点挖掘可以告诉你如何使用独立节点。

创建或加载文档时，需要包含NOENT选项。而已。您已完成，现在可以将实体添加到您的内容中。

重要的是要注意，有大约六种方法可以通过选项调用文档，下面是我个人最喜欢的方法。

   require 'nokogiri'
   noko_doc = File.open('<my/doc/path>') { |f| Nokogiri.<XML_or_HTML>(f, &:noent)}
   xpath = '<selector_for_element>'
   noko_doc.at_<css_or_xpath>(xpath).set_attribute('I_can_now_safely_add_preformatted_entities!', '&amp;&amp;&amp;&amp;&amp;')
   puts noko_doc.at_xpath(xpath).attributes['I_can_now_safely_add_preformatted_entities!']
>>> &amp;&amp;&amp;&amp;&amp;

至于这个功能的实用性......我发现它非常有用。在很多情况下，您正在处理您无法控制的预先格式化的数据，而且必须管理传入的实体才会非常痛苦，因此nokogiri可能会让它们恢复原状。

Ruby Nokogiri - 如何防止Nokogiri打印HTML字符实体

2 个答案: