删除Ruby中的特定HTML元素

我在Ruby中见过基于白名单的HTML清理程序，但我需要的是相反的，我只需要从页面中删除链接就可以进行PDF转换。我尝试了清理，但它不符合我的需要，因为很难猜测在获取的页面上将使用哪些HTML元素，因此我可以将它们添加到列表中

如果我的意见是

<a href="link">Link!</a>
<b>Bold Text</b>
<div>A div!</div>

我想要

Link!
<b>Bold Text</b>
<div>A div!</div>

作为输出

---

Ruby是否有“基于黑名单的消毒剂”

您需要一个HTML解析器，例如。它允许您浏览文档，搜索特定节点标记并对其执行操作：

require 'nokogiri'

html = '<a href="link">Link!</a>
<b>Bold Text</b>
<div>A div!</div>
'

doc = Nokogiri.HTML(html)

doc.search('a').each do |a|
  a.replace(a.content)
end

puts doc.to_html

其结果是：

链接 粗体文本 跳水！

---

注意，Nokogiri对代码做了一些修改，提供了适当的和标记。它不必这样做，我可以告诉它使用并返回一个文档片段，但通常我们让它自己做。它允许您浏览文档，搜索特定节点标记并对其执行操作：

require 'nokogiri'

html = '<a href="link">Link!</a>
<b>Bold Text</b>
<div>A div!</div>
'

doc = Nokogiri.HTML(html)

doc.search('a').each do |a|
  a.replace(a.content)
end

puts doc.to_html

其结果是：

链接 粗体文本 跳水！

---

注意，Nokogiri对代码做了一些修改，提供了适当的和标记。不必，我可以告诉它使用并返回一个文档片段，但通常我们让它做它自己的事情。

铁皮人的回答有一个小变化，仍然使用：

这里的两个区别是：

在搜索上使用css可以稍微更具体地说明所使用的选择器，尽管它没有提供功能上的区别，但更重要的是

通过替换为内部html，我们在链接中保留了可能的标记。例如，给定标记：

!

然后替换为.content将产生：

嗨，妈妈

而替换为.inner_html会产生：

嗨，妈妈

---

铁皮人的回答略有变化，仍使用：

这里的两个区别是：

在搜索上使用css可以稍微更具体地说明所使用的选择器，尽管它没有提供功能上的区别，但更重要的是

通过替换为内部html，我们在链接中保留了可能的标记。例如，给定标记：

!

然后替换为.content将产生：

嗨，妈妈

而替换为.inner_html会产生：

嗨，妈妈

---

Rails 4.2可以在开箱即用的情况下实现这一点。对于旧版本，需要使用gem“rails html消毒器”

仅列出提供的标记和属性 或者使用丝瓜的目标洗涤器

Rails:：Html:：TargetScrubler

PermitScruber在清理中选择允许的标记和属性，Rails:：Html:：TargetScrubler将它们作为删除的目标

scrubber = Rails::Html::TargetScrubber.new
scrubber.tags = ['img']

html_fragment = Loofah.fragment('<a><img/ ></a>')
html_fragment.scrub!(scrubber)
html_fragment.to_s # => "<a></a>"

---

Rails 4.2可以在开箱即用的情况下实现这一点。对于旧版本，需要使用gem“rails html消毒器”

仅列出提供的标记和属性 或者使用丝瓜的目标洗涤器

Rails:：Html:：TargetScrubler

PermitScruber在清理中选择允许的标记和属性，Rails:：Html:：TargetScrubler将它们作为删除的目标

scrubber = Rails::Html::TargetScrubber.new
scrubber.tags = ['img']

html_fragment = Loofah.fragment('<a><img/ ></a>')
html_fragment.scrub!(scrubber)
html_fragment.to_s # => "<a></a>"

---

或者，使用从所有链接中删除颜色和文本下划线的打印CSS是否足够？或者，使用从所有链接中删除颜色和文本下划线的打印CSS是否足够？由于OP提到的元素是复数和黑名单，您可以执行：doc.search'a，script，例如，选择多个元素类型一次进行更改。用专业术语来说，虽然用标签内容替换标签的结果会很糟糕，但这是一个很好的选择。你是对的，这是一个糟糕的选择。我想不出PDF中可能不需要的另一个元素。我希望看到从PDF中删除：-由于OP提到了元素复数和黑名单，您可以执行以下操作：doc.search'a，script，…，例如，选择多个元素类型一次进行更改。很好的一点是，尽管使用专业术语替换标签的结果会令人讨厌。您是对的，这是一个糟糕的选择。我想不出PDF中可能不需要的另一个元素。我希望看到从PDF中删除：-请注意，Rails:：Html:：TargetScriber会按照OP的要求将元素替换为其内容，从而剥离该元素，您需要像这样定义一个自定义洗涤器：Loofah:：Scriber.new do | node | node.remove if remove|u标记。include？node.name endNote Rails:：Html:：TargetScriber通过按照OP的要求将元素替换为其内容来去除该元素。如果您想要实际去除整个元素，您需要像这样定义一个自定义洗涤器：Loofah:：scriber.new do | node | node.remove if remove_标记。include？node.name结束

html_without_links = remove_tags("<a href="link">Link!</a><b>Bold Text</b><div>A div!</div>",'a')

require 'nokogiri'

def is_html?(text)
  stripped_text = Nokogiri::HTML(text).text.strip
  return !stripped_text.eql?(text)
end

def remove_tags(message_string,tag=nil)
  return message_string if message_string.blank? || tag.blank? || !is_html?(message_string)
  html_doc = Nokogiri.HTML(message_string)
  html_doc.search(tag).each do |a|
    a.replace(a.content)
  end

  html_doc.text
end