删除inner_html中的注释

Question

我有一些使用 Nokogiri 的代码，我试图在不获取注释的情况下获取 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

Answer 1

由于您没有提供任何示例 HTML 或所需的输出，因此这里有一个通用解决方案：

您可以使用 comment() 节点测试；您可以通过调用 .remove 在所有评论节点上。图解：

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，上面破坏性地修改了文档以删除注释。如果您希望保持原始文档不被修改，您也可以这样做：

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，则仅要求 text 本身不包含 HTML 注释：

p doc.text              #=> "hello  world"