Ruby 获取不带连字符的文本-水豚

我有一个表行元素

<th scope="row" class="u-printHyphensManual row">
            Advan­&shy;taged
</th>

阿德万­­；标记

如何在没有连字符的情况下获取文本？i、 e

elem.text

返回

“Advantage”

而不是

“Advantage”

我正在使用水豚。

将

find（'th'）。text

更改为

find（'th'）。text.gsub（/[^A-za-z]/，''）

---

这在这种情况下是有效的，但取决于您真正试图解决的一般问题，这可能会产生意外的后果。

您可以通过输入代码并使用string.encode将Unicode字符放入字符串中，也可以直接将代码放入正则表达式中。软连字符的Unicode是\u00AD

text.gsub（'\u00AD'.encode（'utf-8'），''）

或

text.gsub（/\u00AD/，“”）

如果不起作用，请尝试替换literal

­

text.gsub（“­；”，”）
这一点尚不清楚。你想剥离所有HTML实体吗？不，我只是想在Capybara中获取节点文本。这就是find（'th'）。text，但是它返回带连字符的文本，我希望不带连字符。正在寻找一种在查找时对文本进行规范化的方法。请描述您想要执行的“规范化”。它不起作用，因为它不是字符串。我也尝试过gsub，但您必须指定要保留的文本。水豚是解析实体还是得到文字'&'，'s'，'h'，'y'，'；'？