使用nokogiri剥离样式属性

Question

我正在用nokogiri抓取一个html页面，我想去掉所有的样式属性
我怎样才能做到这一点？（我不使用rails，所以我不能使用它的消毒方法，我不想使用消毒宝石，因为我想黑名单删除而不是白名单）

html = open(url)
doc = Nokogiri::HTML(html.read)
doc.css('.post').each do |post|
puts post.to_s
end
=> <p><span style="font-size: x-large">bla bla <a href="http://torrentfreak.com/netflix-is-killing-bittorrent-in-the-us-110427/">statistica</a> blabla</span></p>

我希望它是

=> <p><span>bla bla <a href="http://torrentfreak.com/netflix-is-killing-bittorrent-in-the-us-110427/">statistica</a> blabla</span></p>

Answer 1

require 'nokogiri'
html = '<p class="post"><span style="font-size: x-large">bla bla</span></p>'
doc = Nokogiri::HTML(html)
doc.xpath('//@style').remove
puts doc.css('.post')
#=> <p class="post"><span>bla bla</span></p>

编辑后显示您只需调用NodeSet#remove，而不必使用.each(&:remove)

注意，如果你有一个DocumentFragment而不是Document，Nokogiri有一个长期存在的错误，从片段中搜索不会像你预期的那样工作。解决方法是使用：

doc.xpath('@style|.//@style').remove

Answer 2

这适用于文档和文档片段：

doc = Nokogiri::HTML::DocumentFragment.parse(...)

或

doc = Nokogiri::HTML(...)

要删除所有"样式"属性，可以执行

doc.css('*').remove_attr('style')

Answer 3

我尝试了Phrogz的答案，但无法使其工作（尽管我使用了一个文档片段，但我认为它应该同样工作？）。

开始时的"//"似乎并没有像我预期的那样检查所有节点。最后，我做了一些更冗长的事情，但它奏效了，所以为了防止其他人遇到同样的麻烦，我的解决方案是（尽管很脏）：

doc = Nokogiri::HTML::Document.new
body_dom = doc.fragment( my_html )
# strip out any attributes we don't want
body_dom.xpath( './/*[@align]|*[@align]' ).each do |tag|
    tag.attributes["align"].remove
end