Question

我想通过删除某些html节点（包括子节点（特别是标题和图像）并删除所有其他标签来生成文章的搜索预览，例如。离开子节点时的段落。

e.g。

"<h2>Subject</h2><p>Subject is the who, what, where, why and when.</p>".gsub(/<\/?[^>]*>/, '')

结果

Subject Subject is the who, what, where, why and when.

然而我需要

Subject is the who, what, where, why and when.

我正在使用Rails插件Loofah来清理用户输入，这很有用;实际上我可以定义一个擦除器来执行此操作，但似乎正则表达式对于这个简单的操作就足够了。

提前感谢任何建议。

Answer 1

使用多个正则表达式：

"<h2>Subject</h2><p>Subject is the who, what, where, why and when.</p>".
    gsub(/<h\d>[^>]*>/,'').
    gsub(/<img[^>]*>/,'').
    gsub(/<\/?[^>]*>/, '')

但是应该注意到，你正在达到regexp在处理html时可以处理的复杂性的极限。如果你需要做更复杂的事情（比如根据类名等删除）那么你应该真的使用html解析器。

Answer 2

尝试：

myline = line.gsub!(/(<[^>]*>)|\n|\t/s) {" "}

有条件地剥离HTML节点 - Regexp / gsub

2 个答案: