将带有 &-hash-char-semicolon 字符的 Ruby 字符串转换为 ascii 或 html 友好字符串答案

【问题标题】：Convert Ruby string with ampersand-hash-char-semicolon characters into an ascii or html friendly string将带有 &-hash-char-semicolon 字符的 Ruby 字符串转换为 ascii 或 html 友好字符串
【发布时间】：2012-05-09 22:12:41
【问题描述】：

使用 Rails 3 我正在使用在 drupal 或其他东西中生成的 XML 提要。它给我的标签看起来像：

<body><![CDATA[&#60;p&#62;This is a title&#60;br /&#62;A subheading&#60;/p&#62;]]></body>

所以我们的意图是它应该看起来像这样：

<p>This is a title<br />A subheading</p>

然后可以使用<%= @mystring.html_safe %> 或<%= raw @mystring %> 或其他东西在视图中呈现。问题在于以这种方式呈现字符串只会将&#60; 之类的子字符串转换为< 字符。我需要一种双重原始或双重未编码来首先处理 chr，然后然后将标签呈现为 html 安全。

任何人都知道类似的事情：

<%= @my_double_safed_string.html_safe.html_safe %>

【问题讨论】：

看起来 raw 和 html_safe 不编码或解码字符串，它们只是将它们标记为安全的以包含在您的文档中 - 这是一种针对跨站点脚本错误的保护机制。

标签： ruby-on-rails ruby html-entities html-safe

【解决方案1】：

我认为这不是有效的 XML - 他们通过使用实体和 cdata 以两种不同的方式对文本进行了两次转义。不过，您可以使用 nokogiri 解析它，例如：

require 'nokogiri'

xml = Nokogiri::XML.parse "<body><![CDATA[&#60;p&#62;This is a title&#60;br /&#62;A subheading&#60;/p&#62;]]></body>"
text = Nokogiri::XML.parse("<e>#{xml.text}</e>").text
#=> text = "<p>This is a title<br />A subheading</p>"

看到这个drupal 网站正在喷出疯狂的双重转义xml，我什至倾向于使用正则表达式。黑客解决问题的黑客创建？身份证。无论如何：

xml.text
#=> "&#60;p&#62;This is a title&#60;br /&#62;A subheading&#60;/p&#62;"
xml.text.gsub(/\&\#([0-9]+);/) { |i| $1.to_i.chr }
#=> "<p>This is a title<br />A subheading</p>"

希望这会有所帮助！

【讨论】：

是的，在 CDATA 中使用实体令人困惑，有点违背了使用 CDATA 的目的。
仅供参考，如果这个 drupal 提要是 RSS 或 Atom 提要，你应该看看ruby-doc.org/stdlib-1.9.3/libdoc/rss/rdoc/index.html - 这是一个包含在 ruby 中的提要解析器/生成器库 - 你可以将它与 gsub- 结合使用这个答案中的解决方案可以避免 nokogiri 依赖，如果你喜欢这种事情的话。不过Nokogiri非常棒！
技术上它是有效的，但完全没有必要。
有效如“不会使解析器崩溃”或有效如正确表达包含 html 作为元素文本主体的字符串的意图？如果这应该以更有用的方式解析，也许是时候修复 nokogiri 了！
太棒了，我正在考虑自己尝试破解正则表达式，但这次可能要采用双 Nokogiri 解析。谢谢。