如何防止Nokogiri编码HTML片段中的实体

Question

Nokogiri 1.5.0

我无法输出带有查询参数的链接的解析片段，特别是href中的＆符号。 ＆符号由其html实体替换。

f = Nokogiri::HTML.fragment(%q{<a href="http://example.com?this=1&that=2">Testing</a>})
f.to_s    # => "<a href=\"http://example.com?this=1&amp;that=2\">Testing</a>"
f.to_html # => "<a href=\"http://example.com?this=1&amp;that=2\">Testing</a>"

没有帮助使用to_html(encoding: 'UTF-8')或US-ASCII。

这似乎很常见，解析有效的链接格式并希望将其呈现为有效的HTML。

如何使Nokogiri透明地返回未编码的Html实体？ 没有帮助。

Answer 1

Nokogiri的HTML解析器自动更正源文档中的错误。 URL中的裸露＆符号实际上是一个错误 ，所以Nokogiri正在纠正它。 如果你看一下f.errors ，你可以看到它并不认为&that是一个有效的实体，缺少一个分号，所以它修复符号来& ，使其成为有效的HTML。