为什么这个 Nokogiri 命令会去除 HTML 标签？

Question

这是previous question 的延续。我遇到了这个 Nokogiri sn-p 的问题：

>> require 'nokogiri'
>> html = 'bad<p>markup</p>with<img src="foo.jpg">'
>> Nokogiri::HTML(html).at_css('body').children.map {|x| '<p>' + x.text + '</p>'}.join('') 
=> "<p>bad</p><p>markup</p><p>with</p><p></p>"

我的图片标签怎么了？似乎 Nokogiri 可能正在剥离所有存在的 HTML 标签（包括我原来的 <p> 围绕“标记”这个词），并替换它们。我该如何防止这种情况发生？我要做的就是确保完全未标记的文本包含在 <p> 标记中...

Answer 1

如果元素是文本节点，则仅将元素包装在 p 标签中，否则在其上调用 to_html：

require 'nokogiri'

html = 'bad<p>markup</p>with<img src="foo.jpg">'

Nokogiri::HTML(html).at_css('body').
children.map do |x|
  if x.text?
    '<p>' + x.text + '</p>'
  else
    x.to_html
  end
end.join('') 
#=> "<p>bad</p>\n<p>markup</p><p>with</p><img src=\"foo.jpg\">"