ruby 替换Nokogiri节点中的部分文本，同时保留内容中的标记

qlvxas9a 于 10个月前发布在 Ruby

关注(0)|答案(2)|浏览(154)

我试图通过使用Nokogiri扫描节点的内容，然后执行gsub来替换一组文件中唯一字符串的示例。我保留了部分字符串，并将其转换为锚标记。然而，大多数节点的内容中有各种形式的标记，而不仅仅是简单的字符串。例如，假设我有一个这样的文件：

<?xml version="1.0" encoding="UTF-8" standalone="no"?>
<html>
    <head>
        <title>Title</title>
        <link href="style.css" rel="stylesheet" type="text/css" />
    </head>
    <body>
        <div>
            <p class="header">&lt;&lt;2&gt;&gt;Header</p>
            <p class="paragraph">
            <p class="text_style">Lorem ipsum blah blah blah. &lt;&lt;3&gt;&gt; Here is more content. <span class="style">Preserve this.</span> Blah blah extra text.</p>
        </div>
    </body>
</html>

字符串
整个文档中都有数字，被<<和>>包围。我想把数字的值转换成这样的标记：<a id='[#]'/>，但我想保留同一节中其他元素的HTML标记，即<span class="style">Preserve this.</span>。
以下是我尝试过的所有方法：

file = File.open("file.xhtml") {|f| Nokogiri::XML(f)}

file.xpath("//text()").each { |node|
    if node.text.match(/<<([^_]*)>>/)
        new_content = node.text.gsub(/<<([^_]*)>>/,"<a id=\"\\1\"/>")
        node.parent.inner_html = new_content
    end
}

型
gsub可以正常工作，但是因为它使用了.text方法，所以任何标记都被忽略并有效地清除。在这种情况下，<span class="style">Preserve this.</span>部分被完全删除。（仅供参考，我使用.parent方法，因为如果我只执行node.inner_html = new_content，我会得到这个错误：add_child_node': cannot reparent Nokogiri::XML::Element there (ArgumentError)。）
如果我这样做：

new_content = node.text.gsub(/<<([^_]*)>>/,"<a id=\"\\1\"/>")
    node.content = new_content

型
字符没有被正确转义：文件以<a id="3"/>而不是<a id="3"/>结束。
我尝试使用CSS方法，而不是像这样：

file.xpath("*").each { |node|
    if node.inner_html.match(/&lt;&lt;([^_]*)&gt;&gt;/)
        new_content = node.inner_html.gsub(/&lt;&lt;([^_]*)&gt;&gt;/,"<a id=\"\\1\"/>")
        node.inner_html = new_content
    end
}

型
gsub工作，标记被保留，被替换的标记被正确转义。但是<head>和<body>标记被删除，这导致无效文件：

<?xml version="1.0" encoding="UTF-8" standalone="no"?>
<html>
<meta http-equiv="Content-Type" content="text/html; charset=UTF-8"/>
        <title>Title</title>
        <link href="style.css" rel="stylesheet" type="text/css"/>
        <div>
            <p class="header"><a id="2"/>Header</p>
            <p class="paragraph">
            </p><p class="text_style">Lorem ipsum blah blah blah. <a id="3"/> Here is more content. <span class="style">Preserve this.</span> Blah blah extra text. </p>    
    </div>
</html>

型
我怀疑这与我迭代所有节点（file.css("*")）有关，这也是冗余的，因为除了子节点之外，还扫描了父节点。
我已经搜索了网络，但找不到任何解决方案。我只是想能够交换出唯一的文本，同时保持标记，并使其正确编码。有什么非常明显的，我错过了这里？

ruby

来源：https://stackoverflow.com/questions/59975881/replacing-part-of-the-text-in-a-nokogiri-node-while-preserving-markup-in-content

2条答案

按热度按时间

kse8i1jr1#

这看起来工作得很好：

require 'nokogiri'

doc = Nokogiri::XML(<<EOT)
<?xml version="1.0" encoding="UTF-8" standalone="no"?>
<html>
    <head>
        <title>Title</title>
        <link href="style.css" rel="stylesheet" type="text/css" />
    </head>
    <body>
        <div>
            <p class="header">&lt;&lt;2&gt;&gt;Header</p>
            <p class="paragraph">
            <p class="text_style">Lorem ipsum. &lt;&lt;3&gt;&gt; more content. <span class="style">Preserve this.</span> extra text.</p>
        </div>
    </body>
</html>
EOT

doc.search("//text()[contains(.,'<<')]").each do |node|
  node.replace(node.content.gsub(/<<(\d+)>>/, '<a id="[\1]" />'))
end

字符串
其结果是：

puts doc.to_html

# >> <html>
# >>     <head>
# >> <meta http-equiv="Content-Type" content="text/html; charset=UTF-8">
# >>         <title>Title</title>
# >>         <link href="style.css" rel="stylesheet" type="text/css">
# >>     </head>
# >>     <body>
# >>         <div>
# >>             <p class="header"><a id="[2]"></a>Header</p>
# >>             <p class="paragraph">
# >>             <p class="text_style">Lorem ipsum. <a id="[3]"></a> more content. <span class="style">Preserve this.</span> extra text.</p>
# >>         </p>
# >>     </div>
# >> </body>
# >> </html>

型
Nokogiri正在添加

<meta http-equiv="Content-Type" content="text/html; charset=UTF-8">

型
行，可能是因为标记被定义为XML。
选择器"//text()[contains(.,'<<')]"只查找包含'<<'的文本节点。如果可能导致误报，您可能需要修改它以使其更具体。有关语法，请参阅“XPath: using regex in contains function“。
replace正在执行技巧;您试图修改Nokogiri：：XML：：Text节点以包含<a.../>，但它不能，<和>必须被编码。将节点更改为Nokogiri：：XML：：Element，这是Nokogiri默认的<a id="[2]">，让它按照您的需要存储它。

赞(0）回复(0）举报 10个月前

guicsvcw2#

在我的例子中，我有一个Nokogiri::XML::Element，我通过记录类发现：
puts content.class个
为了在不改变HTML/XML结构的情况下更改文本，必须使用递归函数向下钻取到文档的叶子。

def replace_text(content)
    if content.children.any?
      content.children.each do |node|
        replace_text(node)
      end
    elsif content.text
      content.content = content.text.gsub(/REGEX/, "REPLACE_VALUE")
    end
  end

字符串
使用方法：

content = document.css('.myclass')

return replace_text(content)

型

赞(0）回复(0）举报 10个月前

我来回答

ruby 替换Nokogiri节点中的部分文本，同时保留内容中的标记

2条答案

相关问题

热门标签

最新问答