Question

在我的Ruby应用程序中，我使用以下方法和正则表达式从字符串中删除所有HTML标记：

str.gsub(/<\/?[^>]*>/,"")

这个正则表达式完成了我所期待的所有内容，除了它导致所有引号转换为“ 并将所有单引号更改为”

将杂乱的代码转换回正确的字符时，我错过了哪些显而易见的事情？

编辑：无论有没有正则表达式都会出现问题，所以很明显我的问题与它无关。我现在的问题是如何处理这种格式错误并纠正它。谢谢！

Answer 1

执行正则表达式替换后使用CGI :: unescapeHTML：

CGI::unescapeHTML(str.gsub(/<\/?[^>]*>/,""))

在上面的代码段中，gsub会删除所有HTML标记。然后，unescapeHTML（）将所有HTML实体（例如＆lt;，＆amp;＃8220）恢复为它们的实际字符（＆lt;，quotes等）

关于此页面上的其他帖子，请注意您永远不会传递HTML，例如

<tag attribute="<value>">2 + 3 < 6</tag>

（这是无效的HTML）;你会收到的是：

<tag attribute="&lt;value&gt;">2 + 3 &lt; 6</tag>

对gsub的调用会将上述内容转换为：

2 + 3 &lt; 6

unescapeHTML将完成这项工作：

2 + 3 < 6

Answer 2

当你看到类似的东西时，你会遇到更多麻烦：

<doohickey name="<foobar>">

您需要应用以下内容：

gsub(/<[^<>]*>/, "")

...只要模式匹配。

Answer 3

这个正则表达式几乎就是这样我只是期待它，除了它引起所有引号变成了“和所有单引号要更改为“

这听起来好像RegExp会这样做。你确定它之前有所不同吗？

在这里查看这个问题以获得有关问题的信息，它有一个很好的答案：
Get non UTF-8 form fields as UTF-8 in php.

Answer 4

我遇到类似的字符更改问题，这发生在我的代码运行另一个强制执行UTF-8编码的模块时，然后当它返回时，我有一个不同的文件（slurped数组行）手中。

Answer 5

您可以使用多次通过系统来获取您要查找的结果。

运行正则表达式后，运行表达式将＆amp; 8220; 转换为引号，将另一个表达式转换为＆amp; 8221; 转换为单引号。