如何將HTML標記轉換為純文本？

Question

從Nokogiri::XML::DocumentFragment刪除所有標簽（僅保留文本，用空格分隔）的更簡單方法是什么？

我要轉換：

Hello<br>My name is McOmghall

變成：

Hello My name is McOmghall

我的解決方案是：

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

然后串聯該數組，在每個元素之間放置空格，但是我認為它不是最優的，也不是很清楚。

---

編輯：

這是我的最終解決方案：

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? 對於這種情況：

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之前或之后沒有空格，則文本中將沒有空格

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

不過，在每個br后面添加一個空格很容易：

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