ruby - 将 HTML 转换为纯文本（包含s）

Question

是否可以将带有 Nokogiri 的 HTML 转换为纯文本？我也想包含<br />标签。

例如，给定这个 HTML：

<p>ala ma kota</p> <br /> <span>i kot to idiota </span>

我想要这个输出：

ala ma kota
i kot to idiota

当我称之为Nokogiri::HTML(my_html).text排除<br />标签时：

ala ma kota i kot to idiota

Answer 1

我没有编写复杂的正则表达式，而是使用了 Nokogiri。

工作解决方案（亲吻！）：

def strip_html(str)
  document = Nokogiri::HTML.parse(str)
  document.css("br").each { |node| node.replace("\n") }
  document.text
end

Answer 2

默认情况下不存在这样的东西，但是您可以轻松地将接近所需输出的东西组合在一起：

require 'nokogiri'
def render_to_ascii(node)
  blocks = %w[p div address]                      # els to put newlines after
  swaps  = { "br"=>"\n", "hr"=>"\n#{'-'*70}\n" }  # content to swap out
  dup = node.dup                                  # don't munge the original

  # Get rid of superfluous whitespace in the source
  dup.xpath('.//text()').each{ |t| t.content=t.text.gsub(/\s+/,' ') }

  # Swap out the swaps
  dup.css(swaps.keys.join(',')).each{ |n| n.replace( swaps[n.name] ) }

  # Slap a couple newlines after each block level element
  dup.css(blocks.join(',')).each{ |n| n.after("\n\n") }

  # Return the modified text content
  dup.text
end

frag = Nokogiri::HTML.fragment "<p>It is the end of the world
  as         we
  know it<br>and <i>I</i> <strong>feel</strong>
  <a href='blah'>fine</a>.</p><div>Capische<hr>Buddy?</div>"

puts render_to_ascii(frag)
#=> It is the end of the world as we know it
#=> and I feel fine.
#=> 
#=> Capische
#=> ----------------------------------------------------------------------
#=> Buddy?

Answer 3

尝试

Nokogiri::HTML(my_html.gsub('<br />',"\n")).text

Answer 4

Nokogiri 将删除链接，所以我首先使用它来保留文本版本中的链接：

html_version.gsub!(/<a href.*(http:[^"']+).*>(.*)<\/a>/i) { "#{$2}\n#{$1}" }

这将变成这样：

<a href = "http://google.com">link to google</a>

对此：

link to google
http://google.com

Answer 5

如果您使用 HAML，您可以通过将 html 与 'raw' 选项放在一起来解决 html 转换问题，fe

      = raw @product.short_description