如果在特定标签内，则删除特定标签答案

【问题标题】：Remove specific tags if are inside specific tag如果在特定标签内，则删除特定标签
【发布时间】：2013-07-30 21:58:20
【问题描述】：

我有一个问题，我必须找到快速的解决方案。

我想删除所有“表格”内部的br 和p 标签，但不删除外部。

例如

初始html文档：

...
<p>Hello</p>
<table>
  <tr>
    <td><p>Text example <br>continues...</p></td>
    <td><p>Text example <br>continues...</p></td>
    <td><p>Text example <br>continues...</p></td>
    <td><p>Text example <br>continues...</p></td>
  </tr>
</table>
<p>Bye<br></p>
<p>Bye<br></p>
...

我的目标：

...
<p>Hello</p>
<table>
  <tr>
    <td>Text example continues...</td>
    <td>Text example continues...</td>
    <td>Text example continues...</td>
    <td>Text example continues...</td>
  </tr>
</table>
<p>Bye<br></p>
<p>Bye<br></p>
...

现在，这就是我的清洁方法：

loop do
  if html.match(/<table>(.*?)(<\/?(p|br)*?>)(.*?)<\/table>/) != nil
    html = html.gsub(/<table>(.*?)(<\/?(p|br)*?>)(.*?)<\/table>/,'<table>\1 \4</table>')
  else
    break
  end
end

效果很好，但问题是，我有 1xxx 个文档，每个文档大约有 1000 行……每个文档需要 1-3 个小时。 ((1-3 小时)*(千篇文档)) = ¡痛苦！

我正在寻找使用 Sanitize 或其他方法进行此操作，但目前...我找不到方法。

谁能帮帮我？

提前感谢您！手动

【问题讨论】：

stackoverflow.com/a/1732454/438992 换句话说，使用实际的 HTML 解析器。
^ 要添加到上述内容，请考虑使用Nokogiri。
不要使用正则表达式解析 HTML。使用正确的 HTML 解析模块。 您无法使用正则表达式可靠地解析 HTML，并且您将面临悲伤和挫败感。一旦 HTML 与您的期望发生变化，您的代码就会被破坏。有关如何使用已经编写、测试和调试过的 Ruby 模块正确解析 HTML 的示例，请参阅 htmlparsing.com/ruby。

标签： html ruby regex html-parsing

【解决方案1】：

使用Nokogiri：

require 'nokogiri'

doc = Nokogiri::HTML::Document.parse <<-_HTML_
<p>Hello</p>
<table>
  <tr>
    <td><p>Text example <br>continues...</p></td>
    <td><p>Text example <br>continues...</p></td>
    <td><p>Text example <br>continues...</p></td>
    <td><p>Text example <br>continues...</p></td>
  </tr>
</table>
<p>Bye<br></p>
<p>Bye<br></p>
_HTML_

doc.xpath("//table/tr/td/p").each do |el|
  el.replace(el.text)
end

puts doc.to_html

输出：

<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.0 Transitional//EN" "http://www.w3.org/TR/REC-html40/loose.dtd">
<html><body>
<p>Hello</p>
<table><tr>
<td>Text example continues...</td>
    <td>Text example continues...</td>
    <td>Text example continues...</td>
    <td>Text example continues...</td>
  </tr></table>
<p>Bye<br></p>
<p>Bye<br></p>
</body>
</html>

【讨论】：

段落标签也需要从表格中移除。
太棒了！我现在就试试！我跟你说个事！谢谢！
有效！非常感谢@Babai ！！而且比我的方法快 10000% :)