有沒有辦法從Nokogiri獲取原始HTML？
[英]Is there a way to get the raw HTML from Nokogiri?
問題描述
我已經看過“ 如何通過使用Ruby或Nokogiri獲取頁面的原始HTML源代碼？ ”，它使用了類似這樣的內容：
file = open("index.html")
puts file.read
page = Nokogiri::HTML(file)
但這似乎將讀取點移動到文件的末尾，以使Nokogiri無法再讀取文件。 如果我調換了read和Nokogiri的電話：
file = open("index.html")
puts file.read
page = Nokogiri::HTML(file)
該文件不再輸出。 我希望能夠查詢Nokogiri最初使用的HTML，以便可以在原始源代碼上進行自己的額外解析。 理想情況下，我想要類似
file = open("index.html")
page = Nokogiri::HTML(file)
raw_html = page.html
注意：我也嘗試過page.to_html ，但是似乎稍微改變了格式。
2 個解決方案
解決方案1
5 已采納 2012-06-14 17:08:35
通常，您傳遞一個File實例，以便可以通過塊對其進行處理，但是傳遞一個字符串也可以 ：
html = File.read("index.html")
page = Nokogiri::HTML(html)
page_html = page.html
解決方案2
3 2012-06-14 22:28:49
僅供參考：您還可以要求Nokogiri在解析Nokogiri或進行修改后，返回文檔的HTML（或XML，如果您使用的是XML）。
doc = Nokogiri::HTML('<head><body>foo</body></head>')
puts doc.to_html
它將以pry輸出：
[4] (pry) main: 0> puts doc.to_html
<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.0 Transitional//EN" "http://www.w3.org/TR/REC-html40/loose.dtd">
<html>
<head><meta http-equiv="Content-Type" content="text/html; charset=UTF-8"></head>
<body>foo</body>
</html>
請注意，Nokogiri進行了一些修復，以使HTML“更好”。
從html獲取原始文本
聲明:本站的技術帖子網頁，遵循CC BY-SA 4.0協議，如果您需要轉載，請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.