使用Ruby从HTML文档中剥离文本

发布时间：2020-12-16 22:28:52 所属栏目：百科来源：网络整理

导读：有很多例子说明如何使用 Ruby从一个文档中剥离HTML标签,Hpricot和Nokogiri拥有inner_text方法,可以方便快捷地删除所有的HTML. 我想做的是相反的,从HTML文档中删除所有文本,只留下标签及其属性. 我考虑将文档设置inner_html循环到nil,但是真的你必须这样做,因

有很多例子说明如何使用 Ruby从一个文档中剥离HTML标签,Hpricot和Nokogiri拥有inner_text方法,可以方便快捷地删除所有的HTML.

我想做的是相反的,从HTML文档中删除所有文本,只留下标签及其属性.

我考虑将文档设置inner_html循环到nil,但是真的你必须这样做,因为第一个元素(root)具有整个文档的inner_html,所以理想情况下,我必须从最内在的元素,并将inner_html设置为零,同时向上移动通过祖先.

有没有人知道这样做有效的一个整洁的小技巧？我正在想,正则表达式的可能会做,但可能不如HTML分类器/解析器那么有效.

解决方法

这也是：

doc = Nokogiri::HTML(your_html)
doc.xpath("//text()").remove

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!