如何替换定义节点的标记

我们正试图从一个相当小的漏洞跟踪系统转移到Redmine。对于我们的旧系统，没有现成的迁移解决方案脚本可用，所以我们想自己做。

我建议使用Nokogiri将一些格式转移到新的格式(Textile)，但是，我遇到了问题。

这是来自我们旧系统的DB中的DB字段:

<ul>
    <li>list item 1</li>
    <li>list item 2</li>
</ul>

这需要翻译成Textile，它看起来像这样:

* list item 1
* list item 2

现在，开始使用Nokogiri进行解析，我在这里:

def self.handle_ul(page)
        uls = page.css("ul")
        uls.each {|ul|
                lis = ul.css("li")
                lis.each { |li|
                        li.inner_html = "*" << li.text << "n"
                }
        }
end

这真是太神奇了。但是，我需要做两个替换:

<li>
</li>

标签需要从<li>对象中移除，并且:

<ul>
</ul>

标签需要从<ul>对象中删除。但是，我似乎无法在表示它的对象中找到实际的标记。inner_html只返回了我正在寻找的标签之间的HTML:

ul.inner_html

结果:

<li>list item 1</li>
<li>list item 2</li>

我在哪里可以找到我需要替换的标签?我想使用parent并将子<li>标签与parent.parent重新关联，但这会在祖父母的末尾对它们进行排序。

我是否可以访问对象的整个HTML表示形式，而不剥离其定义标记，以便我可以替换它们?

编辑:

根据要求，这里是一个旧的数据库条目的模型，它应该在纺织品中具有风格。

之前转换:

Fixed for rev. 1.7.92.
<h4>Problems:</h4>
<ul>
<li>fixed.</li>
<li>fixed. New minimum 270x270</li>
<li>fixed.</li>
<li>fixed.</li>
<li>fixed.</li>
<li>fixed. Column types list is growing horizontally now.</li>
</ul>

转换后

Fixed for rev. 1.7.92.
h4.Problems:
* fixed.
* fixed. New minimum 270x270
* fixed.
* fixed.
* fixed.
* fixed. Column types list is growing horizontally now.

编辑2:

我试图覆盖Nokogiri元素的to_s方法的部分:

li.to_s["<li>"]=""

，但这似乎不是一个有效的左值(不是有一个错误，它只是不做任何事情)。

下面是这样一个转换的基础:

require 'nokogiri'
doc = Nokogiri::HTML(<<EOT)
<ul>
    <li>list item 1</li>
    <li>list item 2</li>
</ul>
EOT
puts doc.to_html
doc.search('ul').each do |ul|
  ul.search('li').each do |li|
    li.replace("* #{ li.text.strip }")
  end
  ul.replace(ul.text)
end
puts doc.to_html

运行输出:

<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.0 Transitional//EN" "http://www.w3.org/TR/REC-html40/loose.dtd">
<html><body><ul>
<li>list item 1</li>
    <li>list item 2</li>
</ul></body></html>
<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.0 Transitional//EN" "http://www.w3.org/TR/REC-html40/loose.dtd">
<html><body>* list item 1
    * list item 2
</body></html>

我没有打算或尝试让第一个"item"有一个前导回车或换行符。这是留给读者的练习。我也没有尝试处理<h4>标签或类似的替换。从答案代码中，你应该能够找出怎么做。

此外，我使用Nokogiri::HTML来解析HTML，这将其转换为具有适当DOCTYPE头，<html>和<body>标记的完整HTML文档，以模拟完整的HTML文档。这可以使用Nokogiri::HTML::DocumentFragment.parse来更改，但实际上不会对输出产生影响。

您可能想看看ClothRed，它是Ruby中的HTML到Textile转换器。它有一段时间没有更新了，但它很简单，可能是你自己的转换器的一个很好的起点。

如果您真的想使用Nokogiri，那么您正在编写一个过滤器，因此您可能希望使用SAX接口。

您可能想尝试McBean (https://github.com/flavorjones/mcbean)[警告:我是gem的作者，并且它已经有一段时间没有更新了]。

它在精神上类似于ClothRed，但在底层使用Nokogiri，并实际将文档结构转换为输出文本。它支持纺织品的大量子集;事实上，我已经成功地用它在wiki系统之间转换了wiki页面，就像你想做的那样。

如果有任何感兴趣的人稍后发现这个，另一种选择是使用Pandoc。我刚刚做了第一次测试，它似乎已经足够了，而且它可以处理更多的格式。

相关内容

最新更新

热门标签：