Nokogiri未转义的html

Question

我正在使用nokogiri解析HTML文本，并对HTML进行一些更改。

doc = Nokogiri::HTML.parse(html_code)

但是我在那个html上使用胡须，所以html包含胡须变量，这些变量用大括号括起来，例如{{mustache_variable}}。

在修改了nokogiri文档之后，当我这样做时

doc.to_html

这些花括号被转义，我得到类似%7B%7Bmustache_variable%7D%7D

---

但是，并非所有内容都被转义，例如，如果我将html作为

<label> {{mustache_variable}} </label>

它返回<label> {{mustache_variable}} </label>

---

但对于html这样的<img src='{{mustache_variable}}'>

返回<img src='%7B%7Bmustache_variable%7D%7D'>

所以，我目前正在做一个gsub分别用{和}替换％7B和％7D，以便胡须起作用。

因此，有没有办法我可以从nokogiri或更好的解决方案中获取确切的html？

Answer 1

可能您需要cgi模块

require 'cgi'
doc = Nokogiri::HTML.parse(html_code)
CGI.unescapeHTML(doc.to_html)

或者，您可以使用htmlentities lib 。

并尝试使用doc.content而不是doc.to_html

Answer 2

我遇到了同样的问题，最终使用了一个正则表达式来转换转义的大括号：

html_doc.gsub(/%7B%7B(.+?)%7D%7D/, '{{\1}}')

为了使此操作更安全，我建议在每个小胡子变量前添加一个命名空间，以防万一某些HTML确实有意使用转义的双括号模式，例如

html_doc.gsub(/%7B%7Bnamespace(.+?)%7D%7D/, '{{namespace\1}}')