从inner_html中删除评论

时间:2011-10-24 17:24:01

标签: ruby nokogiri

我有一些使用Nokogiri的代码,我试图在没有收到评论的情况下获取inner_html

html = Nokogiri::HTML(open(@sql_scripts_url[1])) #using first value of the array
html.css('td[class="ms-formbody"]').each do |node|
  puts node.inner_html # prints comments
end

1 个答案:

答案 0 :(得分:12)

由于您未提供任何示例HTML或所需输出,因此这是一般解决方案:

您可以使用comment()节点测试在XPath中选择SGML注释;您可以通过在所有注释节点上调用.remove将它们从文档中删除。所示:

require 'nokogiri'
doc  = Nokogiri.XML('<r><b>hello</b> <!-- foo --> world</r>')
p doc.inner_html                        #=> "<b>hello</b> <!-- foo --> world"
doc.xpath('//comment()').remove
p doc.inner_html                        #=> "<b>hello</b>  world"

请注意,上述内容会破坏性地修改文档以删除注释。如果您希望保持原始文档不被修改,您可以选择这样做:

class Nokogiri::XML::Node
  def inner_html_reject(xpath='.//comment()')
    dup.tap{ |shadow| shadow.xpath(xpath).remove }.inner_html
  end
end

doc = Nokogiri.XML('<r><b>hello</b> <!-- foo --> world</r>')
p doc.inner_html_reject #=> "<r><b>hello</b>  world</r>"
p doc.inner_html        #=> "<r><b>hello</b> <!-- foo --> world</r>"

最后请注意,如果您不需要标记,只要求text本身不包含HTML注释:

p doc.text              #=> "hello  world"