刪除HTML標記+內容

Question

好吧，聽起來很簡單，我仍然無法弄清楚如何做到這一點（想象一下，我甚至決定改變語言）。

所以，我有簡單的文本或包含一些標簽的文本（ 注意 ：有些可能不被視為有效的 html標簽，例如<ref> ），我想要刪除所有標簽及其內容。

嘗試使用Nokogiri的.search .search("//text()").text但它仍然遠非我所需要的。

想法？

---

PS我正在尋找一個防彈，100％工作的解決方案，所以RegEx是不可能的......

---

樣本輸入/輸出

One <!-- Two -->Three

應該回歸One Three 。

This is <a href='#'>some Text</a>

應該返回This is 。

Even more <ref name='tag'>reference</ref><br>text

應該返回Even more text 。

Answer 1

Nokogiri對於手頭的問題似乎有些過分，我會用正則表達式來解決它，如下所示

input = "One <!-- Two -->Three"
input.gsub(/(\<.+\>)/) 
#=> "One Three"

input = "This is <a href='#'>some Text</a>"
input.gsub(/(\<.+\>)/, "")
#=> "This is "

input = "Even more <ref name='tag'>reference</ref><br>text"
input.gsub(/(\<.+\>)/, "")
#=> "Even more text"

關於rubular的演示

Answer 2

如果您想使用Nokogiri執行此操作，則必須使用DocumentFragment類，因為該文本不是有效的HTML或XML文檔。

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

puts doc.xpath("text()")

這為您提供了指定的輸出。