使用nokogiri剥离样式属性

Question

我正在使用nokogiri删除一个html页面,我想删除所有样式属性.
我怎样才能做到这一点？(我不使用rails所以我不能使用它的清理方法,我不想使用sanitize gem'因为我想黑名单删除而不是白名单)

html = open(url)
doc = Nokogiri::HTML(html.read)
doc.css('.post').each do |post|
puts post.to_s
end

=> <p><span style="font-size: x-large">bla bla <a href="http://torrentfreak.com/netflix-is-killing-bittorrent-in-the-us-110427/">statistica</a> blabla</span></p>

我想要它

=> <p><span>bla bla <a href="http://torrentfreak.com/netflix-is-killing-bittorrent-in-the-us-110427/">statistica</a> blabla</span></p>

Answer 1

require 'nokogiri'

html = '<p class="post"><span style="font-size: x-large">bla bla</span></p>'
doc = Nokogiri::HTML(html)
doc.xpath('//@style').remove
puts doc.css('.post')
#=> <p class="post"><span>bla bla</span></p>

编辑表明你可以打电话NodeSet#remove而不必使用.each(&:remove).

请注意,如果你有一个DocumentFragment而不是Document,Nokogiri有一个长期存在的错误,即从片段中搜索不能像你期望的那样工作.解决方法是使用:

doc.xpath('@style|.//@style').remove

Answer 2

这适用于文档和文档片段:

doc = Nokogiri::HTML::DocumentFragment.parse(...)

要么

doc = Nokogiri::HTML(...)

要删除所有"样式"属性,您可以执行

doc.css('*').remove_attr('style')