ste*_*zer 4 html ruby parsing nokogiri
在某些 HTML 中，我想删除一些特定的标签，但保留标签的内容/HTML。例如，在下面的行中，我想删除<strong>和<div>列入黑名单的标签，但保留标签的内容，并保留白名单标签中的<p>,<img>和其他标签：
原来的：
<div>
some text
<strong>text</strong>
<p>other text</p>
<img src="http://example.com" />
</div>
结果：
some text
text
<p>other text</p>
<img src="http://example.com" />
我想剥离特定标签，某些标签不得剥离。它必须像strip_tags在 PHP 中一样工作。所以inner_html帮不了我。
我会做这样的事情：
require 'nokogiri'
doc = Nokogiri::HTML(<<EOT)
<div>
some text
<strong>text</strong>
<p>other text</p>
<img src="http://example.com" />
</div>
EOT
BLACKLIST = %w[strong div]
doc.search(BLACKLIST.join(',')).each do |node|
node.replace(node.children)
end
puts doc.to_html
# >> <!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.0 Transitional//EN" "http://www.w3.org/TR/REC-html40/loose.dtd">
# >> <html><body>
# >> some text
# >> text
# >> <p>other text</p>
# >> <img src="http://example.com">
# >>
# >> </body></html>
基本上它查找节点BLACKLIST并在文档中的任何位置找到它们，用children节点的替换它们，有效地将子节点提升到它们的父节点。