对于这个问题的长度抱歉，这更像是“这可能”而不是“我该怎么做”。
我的目标是从维基百科标记中删除除纯文本之外的所有内容 - 表格，模板，格式。这些是wikitext markup（例如''bold text''）还是HTML（<b>bold text</b>）。
维基百科文字混合了自定义标签：模板{{ ... }}，表格{| ... |}，链接[[ ... ]]和HTML元素。解析它是一种噩梦。您不能使用正则表达式，因为标签可以嵌套，并且它可以包含HTML，因此几乎任何事情都是可能的。我希望保留HTML中的一些文本（粗体文本中的内容），但是需要完全删除表格等其他内容。
我考虑重新使用像Nokogiri这样的XML解析器，添加{{ / }}作为<x> / </x>的替代品。
知道Nokogiri（或其他Ruby XML解析器）的人是否知道这是可能的还是一个好主意？
我的替代方法是为wiki标记重新调整现有的解析器，如WikiCloth，然后尝试通过其他方法删除任何剩余的HTML。