Ruby Nokogiri::HTML::Builder编码问题

Question

我们正在使用Nokogiri根据用户输入创建HTML5页面，我们看到了一些奇怪的编码问题。

在我们的数据库表中，我们有一个名为compiled_html的属性，其中包含：

<p class="lead align-left">Just testing out some encoding issues:<br><br>Héllo Äre Thésè symbols showing correctly? </p>

从我们的数据库中提取这个HTML片段并创建一个新页面后，Nokogiri输出：

<p class="lead align-left">Just testing out some encoding issues:<br><br>Héllo Ãre Thésè symbols showing correctly? </p

这就是我们提取compiled_html数据并使用Nokogiri:的方式

page_doc = Nokogiri::HTML::fragment(page.compiled_html)

（旁注：在阅读后输出page_doc时，HTML是正确的）

# create page html
    builder = Nokogiri::HTML::Builder.new(:encoding => 'UTF-8') do |doc|
      doc.html {
        doc.head {
          doc.title page.name
          doc.meta(charset: 'utf-8')
          doc.meta(name: 'viewport', content: 'width=device-width, initial-scale=1.0')
          doc.meta(name: 'description', content: '')
          doc.meta(name: 'author', content: "#{issue.publication.user.firstname} #{issue.publication.user.lastname}")
          doc.link(rel: 'stylesheet', href: "themes/#{theme.identifier}/theme.css")
          doc.script(type: 'text/javascript', src: "themes/#{theme.identifier}/theme.js")
        }
        doc.body {
          doc << page_doc
        }
      }
    end

我们尝试过以不同的方式将编码设置为utf-8，但无论我们尝试什么，我们的输出中仍然会出现奇怪的符号。

这是一个RubyonRails 4应用程序。

有什么想法吗？谢谢

更新：如果我更改：

doc.body {
          doc << page_doc
        }

对此：

doc.body {
          doc.text page_doc
        }

然后字符编码是正确的，但所有的HTML都不正确，因为我得到了

< 

而不是

< 

等等。

Answer 1

好的，所以我们发现它实际上与Heroku和安装在那里的libxml版本有关，这就产生了问题：Nokogiri在Heroku 上解析时添加了字符

我出色的程序员想出了一个快速解决方案来解决我们的问题：

    doc.body {
      # doc << page_doc
    }
    # insert html contents
    builder.doc.at_css('body').children = page_doc