如何使用 Ruby 检测 HTML 文档片段中的错误？

【问题标题】：How can I detect errors in an HTML document fragment with Ruby?如何使用 Ruby 检测 HTML 文档片段中的错误？
【发布时间】：2012-07-26 02:37:04
【问题描述】：

我正在从 Web 表单中收集一些 HTML 格式的内容。在保存此 HTML 内容之前，我想对其进行快速健全性检查，以确保它看起来格式正确（没有未闭合的标签，没有无效的标记）。

使用 Ruby 和/或任何流行的 gem，我可以检查 HTML 片段字符串，例如：

<p>foo</p><h1>Unclosed H1<p>bar</p>

并发现诸如未关闭的h1 标签之类的东西？

我以为 Nokogiri 会在这里救我，但没有：

>> Nokogiri::HTML::DocumentFragment.parse("<p>foo</p><h1>Unclosed H1<p>bar</p>").errors
=> []

【问题讨论】：

标签： html ruby nokogiri

【解决方案1】：

你试过w3c_validators吗？

[1] pry(main)> require 'w3c_validators'
=> true
[2] pry(main)> include W3CValidators
=> Object
[3] pry(main)> p MarkupValidator.new.validate_text('<!DOCTYPE html><html><body><p>foo</p><h1>Unclosed H1<p>bar</p></body></html>');

这将为您提供非常详细的验证结果。

或者，如果您只想检查结束标签，则可能是Nokogiri::XML::Document.parse().errors，但这可能不起作用，除非 doctype 是 XHTML，因为其他 doctype 中的一些 HTML 元素甚至不需要结束标签。 w3c_validators 做得更好

【讨论】：

w3c_validators gem 似乎包含了 W3C 的在线验证服务。我想要一个不需要网络连接的解决方案。我将尝试将我的 HTML 片段注入到具有 XHTML 文档类型的 HTML 文档中，以查看 Nokogiri 是否会捕获未闭合的标签然后...