Nokogiri -- 删除没有文本的标签之间不需要的空格

Question

我有一个HTML内容，如--

html = "<table id="soa_table" class="table table-striped table-bordered table-condensed soa-table"><thead><tr><th>SoA</th><th id="423" class="soa-column text-center">V1</th><th id="424" class="soa-column text-center">V2</th></tr></thead><tbody><tr><td class="soa-row" id="631">Label 1</td><td class="soa-element text-center" form_id="631" visit_id="423" id="484"><span class="glyphicon glyphicon-ok text-success"></span></td><td class="soa-element" form_id="631" visit_id="424" id="0"> </td></tr><tr><td class="soa-row" id="632">Label 2</td><td class="soa-element text-center" form_id="632" visit_id="423" id="485"><span class="glyphicon glyphicon-ok text-success"></span></td><td class="soa-element" form_id="632" visit_id="424" id="0"> </td></tr><tr><td class="soa-row" id="633">Label 3</td><td class="soa-element" form_id="633" visit_id="423" id="0"> </td><td class="soa-element text-center" form_id="633" visit_id="424" id="486"><span class="glyphicon glyphicon-ok text-success"></span></td></tr></tbody></table>"

现在我通过 Nokogiri 解析了它，并尝试将空格 gsub 为---

Nokogiri::HTML(html).at('table').to_html.gsub(/>s+</, "><")

但它不起作用

Answer 1

删除没有文本的标签之间不需要的空格

我的意思是这种空间：

<td class="soa-element" form_id="631" visit_id="424" id="0"> </td>
                                                            ^

这是一个包含单个空格的文本节点。

让我们使用一个较小的示例：

html = '<foo>value</foo><bar> </bar>'
doc = Nokogiri::HTML.fragment(html)

您可以使用PP来检查解析的文档结构：

require 'pp'
pp doc

输出：

#(DocumentFragment:0x3fe819894018 {
  name = "#document-fragment",
  children = [
    #(Element:0x3fe819891b9c { name = "foo", children = [ #(Text "value")] }),
    #(Element:0x3fe819891ae8 { name = "bar", children = [ #(Text " ")] })]
  })

文档包含两个文本节点，一个带有"value"另一个带有" "。

为了删除后者，我们可以遍历文档并删除所有仅包含空格的文本节点：

doc.traverse { |node| node.remove if node.text? && node.text !~ /S/ }
pp doc

输出：

#(DocumentFragment:0x3fe819894018 {
  name = "#document-fragment",
  children = [
    #(Element:0x3fe819891b9c { name = "foo", children = [ #(Text "value")] }),
    #(Element:0x3fe819891ae8 { name = "bar" })]
  })

最后，我们可以序列化文档：

doc.to_html
#=> "<foo>value</foo><bar></bar>"

Answer 2

删除仅空格的文本节点：

doc.search('//text()[normalize-space()=""]').remove

使用示例进行更新：

Nokogiri::HTML('<b></b>   <b></b>').search('//text()[normalize-space()=""]').remove
#=> [#<Nokogiri::XML::Text:0x197ad78 "   ">]

Answer 3

gsub不会

替换到源对象中。 gsub!确实如此。 另外，你根本不需要Nokogiri。

require 'nokogiri'
puts 'Needlessly using Nokogiri'
html = "<p>   </p>"
new_html = Nokogiri::HTML(html).at('p').to_html.gsub(/>s+</, '><')
puts html
puts new_html
puts '-' * 20
puts 'Solution #1'
html = "<p>   </p>"
new_html = html.gsub(/>s+</, '><')
puts html
puts new_html
puts '-' * 20
puts 'Solution #2'
html = "<p>   </p>"
puts html
html.gsub!(/>s+</,'><')
puts html

该程序的输出是：

Needlessly using Nokogiri
<p>   </p>
<p></p>
--------------------
Solution #1
<p>   </p>
<p></p>
--------------------
Solution #2
<p>   </p>
<p></p>