如何删除特定的标签，但留下允许的标签

在一些HTML中，我想删除一些特定的标签，但保留标签的内容/HTML。例如，在下面的一行中，I想要删除<strong>和<div>黑名单标签，但保留标签的内容在适当的位置，并离开<p>, <img>和其他标签从我的白名单标签单独:

原始:

<div>
    some text
    <strong>text</strong>
    <p>other text</p>
    <img src="http://example.com" />
</div>

结果:

some text
text
<p>other text</p>
<img src="http://example.com" />

我想剥离特定的标签和一些标签不能剥离。它必须像PHP中的strip_tags一样工作。所以inner_html不能帮我。

我会这样做:

require 'nokogiri'
doc = Nokogiri::HTML(<<EOT)
<div>
    some text
    <strong>text</strong>
    <p>other text</p>
    <img src="http://example.com" />
</div>
EOT
BLACKLIST = %w[strong div]
doc.search(BLACKLIST.join(',')).each do |node|
  node.replace(node.children)
end
puts doc.to_html
# >> <!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.0 Transitional//EN" "http://www.w3.org/TR/REC-html40/loose.dtd">
# >> <html><body>
# >>     some text
# >>     text
# >>     <p>other text</p>
# >>     <img src="http://example.com">
# >> 
# >> </body></html>

基本上，它查找BLACKLIST中的节点，并在文档的任何地方找到它们，用节点的children替换它们，有效地将子节点提升到父节点。

使用Rails::Html::WhiteListSanitizer:

white_list_sanitizer = Rails::Html::WhiteListSanitizer.new
original = <<EOD
<div>
     some text
     <strong>text</strong>
     <p>other text</p>
     <img src="http://example.com" />
</div>
EOD
puts white_list_sanitizer.sanitize(original, tags: %w(p img))

输出:

some text
text
<p>other text</p>
<img src="http://example.com">

如果您只想使用Nokogiri，则可以遍历节点以递归地删除所有不需要的标记:

def clean_node(node, whitelist)
  node.children.each do |n|
    clean_node(n, whitelist)
    unless whitelist.include?(n.name)
      n.before(n.children)
      n.remove
    end
  end
  node
end
def strip_tags(html, whitelist)
  whitelist += %w(text)
  node = Nokogiri::HTML(html).children.last
  clean_node(node, whitelist).inner_html
end

strip_tags函数将删除所有不在白名单中的标签。对于您的示例，您可以这样做:

original = <<HTML
<div>
     some text
     <strong>text</strong>
     <p>other text</p>
     <img src="http://example.com" />
</div>
HTML
puts strip_tags(original, %w(p img))

输出为:

 some text
 text
 <p>other text</p>
 <img src="http://example.com">

您可以使用xmp标记来显示HTML标记。

<div>
    some text
    <strong>text</strong>
    <xmp><p>other text</p>
    <img src="http://example.com" />
    </xmp>
</div>

HTML元素"xmp"在开始和结束标记之间呈现文本，而不解释HTML。

相关内容

最新更新

热门标签：