让 Nokogiri 决定是使用#fragment 还是#parse答案

【问题标题】：Letting Nokogiri decide whether to use #fragment or #parse让 Nokogiri 决定是使用#fragment 还是#parse
【发布时间】：2012-04-26 07:11:54
【问题描述】：

我有一段 HTML 想用 Nokogiri 解析，但我不知道它是一个完整的 HTML 文档（带有 DOCTYPE 等）还是一个片段（例如，只是一个包含一些元素的 div） .

这对 Nokogiri 产生了影响，因为它应该使用 #fragment 来解析片段，而使用 #parse 来解析完整文档。

有没有办法确定给定的一段文本是片段还是完整的 HTML 文档？

丹尼斯

【问题讨论】：

【解决方案1】：

取决于您的页面被丢弃的程度，但是

/^(?:\s*<!DOCTYPE)|(?:\s*<html)/

在大多数情况下应该可以工作。

【讨论】：

【解决方案2】：

最简单的方法是查找强制的<html> 标签，例如使用正则表达式/<html[\s>])/（允许属性）。

这足以解决您的问题吗？

【讨论】：

请注意，<html> 标签在 HTML5 中不是必需的。例如，请参阅mathiasbynens.be/notes/minimal-html。 <title> 或 <body> 标签可能更合适。
根据引用的文章，title标签也不需要，body也不需要。
不，但不需要<title>标签的情况极不可能，而且<body>标签只有在没有正文内容时才可能被省略（另一种不太可能的情况）。跨度>