使用Nokogiri解析带有奇怪编码的HTML

我不能使用XPath，因为编码变得很奇怪。我希望你能帮我摆脱困境

require "Nokogiri"
require "open-uri"
link = "http://www.arla.dk/Services/SearchService.asmx/RecipeResult?q=allRecipe&paging=6&include=&exclude=&area=recipeSearch&languageBranch=da"
doc = Nokogiri::HTML(open(link))
doc.xpath("//h2")

xpath

方法返回一个空数组。看起来文档的分析不正确。我认为这是因为正在解析的文件包含编码字符：

<strong>Frokost til 8</strong>
<ul><li class='ingHeading'><strong><b>Flade

---

如上所述，问题在于HTML是经过编码的，这就是为什么会看到转义序列；例如，

而不是

响应是XML，因此首先用Nokogiri:：XML解析它：

xml = Nokogiri::XML open(link)

然后第一个字符串包含一些HTML，所以用Nokogiri:：HTML解析它

doc = Nokogiri::HTML xml.at('string').text

现在您可以进行搜索：

doc.xpath '//h2'

这不是nokogiri的问题，这是源数据的问题，它被编码为一个长字符串。有趣的是，我会看看是否能找到转换它的工具。你知道吗？谢谢你的帮助：）