从 inner_html 中删除评论

Question

我有一些使用 Nokogiri 的代码，我试图在不获取 cmets 的情况下获取 inner_html。

html = Nokogiri::HTML(open(@sql_scripts_url[1])) #using first value of the array
html.css('td[class="ms-formbody"]').each do |node|
  puts node.inner_html # prints comments
end

Answer 1

由于您没有提供任何示例 HTML 或所需的输出，这里有一个通用的解决方案：

您可以使用comment() 节点测试在XPath 中选择SGML cmets；您可以通过在所有评论节点上调用 .remove 将它们从文档中删除。图解：

require 'nokogiri'
doc  = Nokogiri.XML('<r><b>hello</b> <!-- foo --> world</r>')
p doc.inner_html                        #=> "<b>hello</b> <!-- foo --> world"
doc.xpath('//comment()').remove
p doc.inner_html                        #=> "<b>hello</b>  world"

请注意，以上内容会破坏性地修改文档以删除 cmets。如果您希望保持原始文档不被修改，您也可以这样做：

class Nokogiri::XML::Node
  def inner_html_reject(xpath='.//comment()')
    dup.tap{ |shadow| shadow.xpath(xpath).remove }.inner_html
  end
end

doc = Nokogiri.XML('<r><b>hello</b> <!-- foo --> world</r>')
p doc.inner_html_reject #=> "<r><b>hello</b>  world</r>"
p doc.inner_html        #=> "<r><b>hello</b> <!-- foo --> world</r>"

最后，请注意，如果您不需要标记，只要求 text 本身不包含 HTML cmets：

p doc.text              #=> "hello  world"