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
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"