如何将HTML标记转换为纯文本？

Question

从Nokogiri::XML::DocumentFragment删除所有标签（仅保留文本，用空格分隔）的更简单方法是什么？

我要转换：

Hello<br>My name is McOmghall

变成：

Hello My name is McOmghall

我的解决方案是：

Nokogiri::XML.fragment(html_text).children.to_a.flatten.select { |node| node.class == Nokogiri::XML::Text}

然后串联该数组，在每个元素之间放置空格，但是我认为它不是最优的，也不是很清楚。

---

编辑：

这是我的最终解决方案：

Nokogiri::XML.fragment(html_text).xpath('.//text()').map(&:text).join(' ')

Answer 1

root = Nokogiri::HTML('<div id="test">Hello<br>My name is McOmghall</div>')
root.at_css('#test').text
# => "HelloMy name is McOmghall"
root.at_css('#test').xpath('.//text()').map(&:text)
# => ["Hello", "My name is McOmghall"]
p root.at_css('#test').xpath('.//text()').map(&:text).join(' ')
# => "Hello My name is McOmghall"

Answer 2

Nokogiri有非常方便的方法text? 对于这种情况：

html = "Hello<br>My name is McOmghall"    

Nokogiri::HTML.fragment(html).children.select(&:text?).join(' ')
# => "Hello My name is McOmghall"

Answer 3

如果br之前或之后没有空格，则文本中将没有空格

doc = Nokogiri::HTML 'Hello<br>My name is McOmghall'
doc.text
#=> "HelloMy name is McOmghall"

不过，在每个br后面添加一个空格很容易：

doc.search('br').each{|br| br.after ' '}
doc.text
#=> "Hello My name is McOmghall"