如何使用 Nokogiri 从 HTML 中删除不需要的标签？答案

【问题标题】：How can unwanted tags be removed from HTML using Nokogiri?如何使用 Nokogiri 从 HTML 中删除不需要的标签？
【发布时间】：2010-03-17 18:55:24
【问题描述】：

我需要从文档中删除所有字体标签。尝试使用以下 Ruby 代码执行此操作时，字体标签中的其他元素和文本会丢失。在取消链接字体标签之前，我还尝试遍历所有子元素并使它们成为字体标签的兄弟——这也会导致 HTML 丢失。删除可能包含其他元素和/或文本的标签的好方法是什么？

  doc.css('font').each do |element|
    element.unlink
  end

更新（响应第一个解决方案）：

使用 node.children 获取子节点然后将子节点移动到字体节点的父节点的问题是，没有一个子节点包含在字体节点中找到的文本。一旦删除（取消链接）字体标签，字体标签中的所有文本也会从文档中消失。

因此，我修改后的问题是：如何使用 Nokogiri 获取字体节点的文本，以及如何在字体节点的位置移动该文本以替换字体标签。

【问题讨论】：

标签： ruby nokogiri

【解决方案1】：

我根据您评论中的代码创建了一个更通用的解决方案：

module Filter
    def remove_tags_preserve_content!(*list)
        xpath('.//*').each do |element|
            if list.include?(element.name)
                element.children.reverse.each do |child|
                    child_clone = child.clone
                    element.add_next_sibling child_clone
                    child.unlink
                end
                element.unlink
            end
        end
    end
end

class Nokogiri::XML::Element
    include Filter
end

class Nokogiri::XML::NodeSet
    include Filter
end

# === Example ===

doc.remove_tags_preserve_content!('font')

【讨论】：

【解决方案2】：

问题是您正在删除节点，这也会修剪子节点。您需要保留子节点，然后将它们附加到父节点。完成后，您可以删除目标节点。

看看“用孩子替换节点” - http://rubyforge.org/pipermail/nokogiri-talk/2009-June/000333.html

在那条消息中，Aaron 正在谈论替换 XML 节点，但是一旦 HTML 文档被 Nokogiri 解析，这一切都是一样的。你需要做一些小的调整，但它应该能让你继续前进。

【讨论】：

谢谢。这与需要的非常接近。对于 HTML 内容，节点的顺序很重要。将节点附加到父节点可能会导致节点不在原始顺序中。