如何使用 Ruby 的 Sanitize/Nokogiri 来访问未标记的元素？

Question

我正在尝试构建一个 Sanitize 转换器，它接受可能格式错误的 HTML 输入，其中的元素位于任何标签，例如在本例中：

out of a tag<p>in a tag</p>out again!

我想让转换器将任何非标记元素包装在

标签中，以便上面的内容转换为：

<p>out of a tag</p><p>in a tag</p><p>out again!</p>

不幸的是，我无法计算了解如何选择未标记的元素，因为它不是节点。我确信我在这里遗漏了一些东西。有人可以给我一个正确的方向吗？

Answer 1

require 'nokogiri'

html = 'out of a tag<p>in a tag</p>out again!'

Nokogiri::HTML(html).at_css('body').children.
  map {|x| '<p>' + x.text + '</p>' }.join('')
#=> "<p>out of a tag</p><p>in a tag</p><p>out again!</p>"

文本存储在文本节点中。由于 CSS 无法选择文本节点，因此您必须使用其他方法来获取它们，例如 Nokogiri::XML::Node#children。