我有一段HTML我想用Nokogiri解析，但我不知道它是一个完整的HTML文档（带有DOCTYPE等）还是一个片段（例如，只是一个包含一些元素的div）。
这对 Nokogiri 来说有所不同，因为它应该使用 #fragment 来解析片段，#parse 来解析完整的文档。
有没有办法确定给定的文本是片段还是完整的HTML文档？
丹尼斯
取决于您的页面的垃圾程度，但是
/^(?:s*<!DOCTYPE)|(?:s*<html)/
在大多数情况下应该有效。
最简单的方法是查找必需的<html>标签，例如使用正则表达式/<html[s>])/（允许属性）。
这足以解决您的问题吗？