Question

我正在使用nokogiri删除一个html页面，我想删除所有样式属性我怎样才能做到这一点？（我不使用rails，所以我不能使用它的清理方法，我不想使用sanitize gem'因为我想黑名单删除而不是白名单）

html = open(url)
doc = Nokogiri::HTML(html.read)
doc.css('.post').each do |post|
puts post.to_s
end

=> <p><span style="font-size: x-large">bla bla <a href="http://torrentfreak.com/netflix-is-killing-bittorrent-in-the-us-110427/">statistica</a> blabla</span></p>

我希望它是

=> <p><span>bla bla <a href="http://torrentfreak.com/netflix-is-killing-bittorrent-in-the-us-110427/">statistica</a> blabla</span></p>

Answer 1

require 'nokogiri'

html = '<p class="post"><span style="font-size: x-large">bla bla</span></p>'
doc = Nokogiri::HTML(html)
doc.xpath('//@style').remove
puts doc.css('.post')
#=> <p class="post"><span>bla bla</span></p>

已编辑，表明您只需拨打NodeSet#remove即可，而无需使用.each(&:remove)。

请注意，如果你有一个DocumentFragment而不是Document，Nokogiri有a longstanding bug，从片段中搜索不会像你期望的那样工作。解决方法是使用：

doc.xpath('@style|.//@style').remove

Answer 2

这适用于文档和文档片段：

doc = Nokogiri::HTML::DocumentFragment.parse(...)

或

doc = Nokogiri::HTML(...)

删除所有＆＃39;样式＆＃39;属性，你可以做一个

doc.css('*').remove_attr('style')

Answer 3

我尝试了Phrogz的答案，但无法使其工作（虽然我使用的是文档片段，但我认为它应该可以正常工作吗？）。

＆＃34; //＆＃34;在开始时似乎没有像我期望的那样检查所有节点。最后我做了一些更长时间的啰嗦，但它确实有效，所以这里有记录以防万一其他人有同样的麻烦是我的解决方案（虽然它很脏）：

doc = Nokogiri::HTML::Document.new
body_dom = doc.fragment( my_html )

# strip out any attributes we don't want
body_dom.xpath( './/*[@align]|*[@align]' ).each do |tag|
    tag.attributes["align"].remove
end

使用nokogiri剥离样式属性

3 个答案: