不再维护tidy gem，并且存在多个内存泄漏问题。
一些人建议使用Nokogiri。
我正在使用:
清理HTML Nokogiri::HTML::DocumentFragment.parse(html).to_html
我有两个问题:
Nokogiri移除
DOCTYPE是否有一种简单的方法来强制清理的HTML有
html和body标签?
如果您正在处理一个完整的文档，您需要:
Nokogiri::HTML(html).to_html
这将强制html和body标记，并引入或保留DOCTYPE:
puts Nokogiri::HTML('<p>Hi!</p>').to_html
#=> <!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.0 Transitional//EN"
#=> "http://www.w3.org/TR/REC-html40/loose.dtd">
#=> <html><body><p>Hi!</p></body></html>
puts Nokogiri::HTML('<!DOCTYPE html><p>Hi!</p>').to_html
#=> <!DOCTYPE html>
#=> <html><body><p>Hi!</p></body></html>
注意，不能保证输出在语法上是有效的。例如，如果我提供了一个破损的文档，它撒谎并声称它是HTML4.01严格的，Nokogiri将输出具有该DOCTYPE但没有所需的<head><title>...</title></head>部分的文档:
dtd = '<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01//EN" "http://www.w3.org/TR/html4/strict.dtd">'
puts Nokogiri::HTML("#{dtd}<p>Hi!</p>").to_html
#=> <!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01//EN"
#=> "http://www.w3.org/TR/html4/strict.dtd">
#=> <html><body><p>Hi!</p></body></html>
可能不支持Tidy gem，但底层的tidy应用程序得到了维护，这正是您真正需要的。它是灵活的，有相当多的选项列表。
您可以通过许多不同的方式向它传递HTML，并在.tidyrc文件中定义其配置或在命令行中传递它们。您可以使用Ruby的%x{}将文件传递给它，或者使用IO.popen或IO.pipe将其视为管道。