Nokogiri搜索具有HTML实体的文本

我无法搜索以HTML实体为值的节点。

我有这个HTML片段：

require 'nokogiri'
DATA = "<p>A paragraph <ul><li>Item 1</li><li>&#8853;</li><li>Mango</li></ul></p>"
doc = Nokogiri::HTML(DATA)
p doc.xpath('//li[contains(text(), "Man")]') => This returns a NodeSet
p doc.xpath('//li[contains(text(), "8853")]') => This returns 'Nil'

我不知道为什么第二个语句返回NIL以及如何修复它。

当Nokogiri解析文档时，它会尝试解码实体，因此，您必须查找解码值：

require 'nokogiri'
data = "<p>A paragraph <ul><li>Item 1</li><li>&#8853;</li><li>Mango</li></ul></p>"
doc = Nokogiri::HTML(data)
p doc.search('li').map(&:text)
=> ["Item 1", "⊕", "Mango"]

请注意，HTML实体已被解码为其真实字符。

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>
<p>A paragraph </p>
<ul>
<li>Item 1</li>
<li>⊕</li>
<li>Mango</li>
</ul>
</body></html>

再次，对实体进行解码。

p doc.xpath('//li[contains(text(), "⊕")]')
=> [#<Nokogiri::XML::Element:0x3fcd78d5f16c name="li" children=[#<Nokogiri::XML::Text:0x3fcd78d5ef64 "⊕">]>]

相关内容

最新更新

热门标签：