Html 如何借助'；牛'；宝石

我在数据库表文本字段中存储了很多标记，这些标记可以有不同的结构。 我需要从数据库中存储的每个标记中提取纯文本，因此我决定使用

Ox

gem，因为根据测试，它是ruby最快的xml解析库。当我尝试这样做时，会出现如下错误：

irb(main):026:0> Ox.parse(some_html)
Ox::ParseError: invalid format, document not terminated at line 1, column 23 [parse.c:521]

---

我知道如何使用Nokogiri进行解析，但我需要使用

Ox

库来解析html，我应该使用带有sax处理程序的

Ox.sax_html

方法，而不是

Ox.parse

require 'stringio'
require 'ox'

class TextHandler < ::Ox::Sax
  attr_reader :parsed_text

  def initialize()
    @parsed_text = ''
  end

  def text(value)
    @parsed_text << " #{value}"
  end
end

text_handler = TextHandler.new

options = {
  symbolize: true,
  skip: :skip_white,
  smart: true
}

some_markup = '<img src="logo.png" alt="logo"><div>hello</div><div>world ...'

input = StringIO.new(some_markup)

Ox.sax_html(text_handler, input, options)

text_handler.parsed_text

需要“stringio”
需要“牛”
类TextHandler<：：Ox:：Sax
属性读取器：已解析的文本
def初始化（）
@已解析的_文本=“”
结束
def文本（值）
@解析文本您确定您的HTML实际上是有效的XML吗？HTML可能看起来像XML，也可能是XML，但它不能遵循XML的严格规则来保持有效的HTML。此HTML不是有效的XML，例如，它可能包含自关闭标记
）
。主要问题是如何从html中解析和提取文本，而html并不总是有效的xml。其他库，如
Nokogiri
也有这种可能性，因此可能可以使用
Ox
来完成。您是否阅读并尝试过Ox主页上有关HTML解析的部分：？@spickermann是的，我尝试过更改文档中的默认设置，但结果是一样的：
Ox:：ParseError
…您能为您的问题提供一个示例文档，例如第1行第23列失败的文档吗？