我需要处理一个HTML文档并在几个地方插入一些节点。我正在处理的内容无效，但Nokogiri足够聪明，可以弄清楚它应该是什么。问题是我不想更改原始文档的格式，除了我插入的部分。
下面是一个示例：
require 'nokogiri'
orig_html = '
<html>
<meta name="Generator" content="Microsoft Word 97 O.o">
<body>
1
<b><p>2</p></b>
3
</body>
</html>'
puts Nokogiri::HTML(orig_html).inner_html
# >> <html>
# >> <head>
# >> <meta http-equiv="Content-Type" content="text/html; charset=UTF-8">
# >> <meta name="Generator" content="Microsoft Word 97 O.o">
# >> </head>
# >> <body>
# >> 1
# >> <b></b><p>2</p>
# >> 3
# >> </body>
# >> </html>
我希望输出与输入相同。问题是我不能在<b>里面有<p>.我倾向于切换到XML，但是有无效的标签，例如<meta>标签，它没有关闭.HTML足够聪明，可以识别这一点，但XML不是。
>Nokogiri正在修复格式错误的HTML，以使其可解析。完成后，DOM 处于合理状态，但原始文档不再可从 Nokogiri 获得。
如果你想让原件保持不变，你必须在把它传递给Nokogiri之前让它有效，然后你可以使用Nokogiri的方法操纵它。通常，我会使用一些正则表达式来查找故障点并添加/调整标签或其关联的结束标签，以允许 Nokogiri 无需修复即可解析。
这不是HTML比XML更聪明的情况，而是Nokogiri尊重XML规范的精神，这是严格的，并通过在文件无效时用错误填充errors数组来引发标志。HTML的规范不那么严格，而且，因为浏览器在解析和显示HTML时（太）宽容，Nokogiri在某种程度上遵循，进行修正，然后填充errors数组。（无论哪种情况，您都可以检查该数组以查看出了什么问题。
require 'nokogiri'
orig_html = '
<html>
<meta name="Generator" content="Microsoft Word 97 O.o">
<body>
1
<b><p>2</p></b>
3
</body>
</html>'
doc = Nokogiri::HTML(orig_html)
doc.errors
doc.errors包含：
[
[0] #<Nokogiri::XML::SyntaxError: Unexpected end tag : b>
]
以下是我如何使用Nokogiri来修复您的示例HTML：
doc = Nokogiri::HTML(orig_html)
p = doc.at('b+p')
p.previous_sibling.remove
这是此时的 HTML：
<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.0 Transitional//EN" "http://www.w3.org/TR/REC-html40/loose.dtd">
<html>
<head>
<meta http-equiv="Content-Type" content="text/html; charset=UTF-8">
<meta name="Generator" content="Microsoft Word 97 O.o">
</head>
<body>
1
<p>2</p>
3
</body>
</html>
继续：
p.inner_html = "<b>#{p.content}</b>"
puts doc.to_html
这是生成的 HTML：
<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.0 Transitional//EN" "http://www.w3.org/TR/REC-html40/loose.dtd">
<html>
<head>
<meta http-equiv="Content-Type" content="text/html; charset=UTF-8">
<meta name="Generator" content="Microsoft Word 97 O.o">
</head>
<body>
1
<p><b>2</b></p>
3
</body>
</html>
很明显，示例 HTML 并不是您真正使用的，因此您必须更改访问器以找到需要更改的标签，但这应该可以让您继续前进。
上述方法适用于上述特定情况，但不适用于以下情况。
orig_html = '
<html>
<meta name="Generator" content="Microsoft Word 97 O.o">
<body>
1
<b>this is a bold
<p>This is a paragraph</p>
</b>
3
</body>
</html>'
doc = Nokogiri::HTML(orig_html)
p = doc.at('b+p')
p.previous_sibling.remove
p.inner_html = "<b>#{p.content}</b>" # !> mismatched indentations at 'end' with 'def' at 17
puts doc.to_html
生成的 HTML：
<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.0 Transitional//EN" "http://www.w3.org/TR/REC-html40/loose.dtd">
<html>
<head>
<meta http-equiv="Content-Type" content="text/html; charset=UTF-8">
<meta name="Generator" content="Microsoft Word 97 O.o">
</head>
<body>
1
<p><b>This is a paragraph</b></p>
3
</body>
</html>