Question

我对如何做到这一点有一个大概的想法，但无法确定如何完成它。我相信它可以用某种正则表达式来完成。想知道这里是否有人可以指出我正确的方向。

如果我有一串html，比如这个

some_html = '<div><b>This is some BOLD text</b></div>'

我想将它划分为逻辑片段，然后将这些片段放入一个数组中，这样我就会得到这样的结果

html_array = ["<div>", "<b>", "This is some BOLD text", "</b>","</div>" ]

Answer 1

我没有使用正则表达式，而是使用nokogiri gem（用于解析由Aaron Patterson编写的html的gem - Rails和Ruby的贡献者）。以下是如何使用它的示例：

html_doc = Nokogiri::HTML("<html><body><h1>Mr. Belvedere Fan Club</h1></body></html>")

然后，您可以致电html_doc.children获取nodeset并从那里开始工作

html_doc.children  # returns a nodeset

Answer 2

使用HTML解析器，例如Nokogiri。使用SAX，您可以在触发事件时向数组添加标记/元素。

尝试使用正则表达式HTML是not a good idea，除非您计划仅处理其中一小部分HTML。

Answer 3

some_html.split(/(<[^>]*>)/).reject{|x| '' == x}