html - Ruby 1.9 中的 HTML 整理/清理

Question

我目前正在为 HTML tidy 使用 RubyTidy Ruby 绑定，以确保我收到的 HTML 格式正确。目前，这个库是唯一阻碍我在 Ruby 1.9 上获得 Rails 应用程序的东西。是否有任何替代库可以整理 Ruby 1.9 上的 HTML 块？

Answer 1

http://github.com/libc/tidy_ffi/blob/master/README.rdoc适用于 ruby​​ 1.9（最新版本）

如果您在 Windows 上工作，则需要设置 library_path 例如

    require 'tidy_ffi'
    TidyFFI.library_path = 'lib\\tidy\\bin\\tidy.dll'
    tidy = TidyFFI::Tidy.new('test')
    puts tidy.clean

（它使用与 tidy 相同的 dll） 上面的链接为您提供了更多使用示例。

Answer 2

我正在使用Nokogiri修复无效的 html：

  Nokogiri::HTML::DocumentFragment.parse(html).to_html

Answer 3

这是一个很好的例子，说明如何使用 tidy 让你的 html 看起来更好：

require 'tidy'
Tidy.path = '/opt/local/lib/libtidy.dylib' # or where ever your tidylib resides

nice_html = ""
Tidy.open(:show_warnings=>true) do |tidy|
  tidy.options.output_xhtml = true
  tidy.options.wrap = 0
  tidy.options.indent = 'auto'
  tidy.options.indent_attributes = false
  tidy.options.indent_spaces = 4
  tidy.options.vertical_space = false
  tidy.options.char_encoding = 'utf8'
  nice_html = tidy.clean(my_nasty_html_string)
end

# remove excess newlines
nice_html = nice_html.strip.gsub(/\n+/, "\n")
puts nice_html

有关更整洁的选项，请查看手册页。

Answer 4

目前，这个库是唯一阻碍我在 Ruby 1.9 上获得 Rails 应用程序的东西。

注意，Ruby Tidy 绑定有一些严重的内存泄漏。它目前无法在长时间运行的进程中使用。（为了记录，我正在使用http://github.com/ak47/tidy）

我只需要从生产 Rails 2.3 应用程序中删除它，因为它的泄漏速度约为 1MB/分钟。