我有一个带有一堆中断标签的字符串。
不幸的是，它们是不规则的。
<Br> <BR> <br/> <BR/> <br />ETC...
我正在使用 nokogiri，但我不知道如何告诉它在每个中断标记处分解字符串....
谢谢。
asfasdfasdf
问问题
1511 次
4 回答
3
如果您可以打破正则表达式，请使用以下分隔符：
<\s*[Bb][Rr]\s*\/*>
解释：
一个左尖括号，零个或多个空格，B 或 b，R 或 r，零个或多个空格，零个或多个正斜杠。
要使用正则表达式，请看这里：
http ://www.regular-expressions.info/ruby.html
于 2009-09-21T18:57:49.633 回答
2
所以要实现 iftrue 的响应：
a = 'a<Br>b<BR>c<br/>d<BR/>e<br />f'
a.split(/<\s*[Bb][Rr]\s*\/*>/)
=> ["a", "b", "c", "d", "e", "f"]
...您在 HTML 中断之间留下了一个字符串位数组。
于 2009-09-21T19:15:51.407 回答
1
Pesto 的 99%，但是 Nokogiri 支持创建一个不将文本包装在声明中的文档片段：
text = Nokogiri::HTML::DocumentFragment.parse('<Br>this<BR>is<br/>a<BR/>text<br />string').children.select {|n| n.text? and n.content }
puts text
# >> this
# >> is
# >> a
# >> text
# >> string
于 2009-09-22T13:42:54.213 回答
0
如果您使用 Nokogiri 解析字符串，则可以扫描它并忽略除文本元素以外的任何内容：
require 'nokogiri'
doc = Nokogiri::HTML.parse('a<Br>b<BR>c<br/>d<BR/>e<br />f')
text = []
doc.search('p').first.children.each do |node|
text << node.content if node.text?
end
p text # => ["a", "b", "c", "d", "e", "f"]
请注意，您必须搜索第一个 p 标签，因为 Nokogiri 会将整个内容包装在<!DOCTYPE blah blah><html><body><p>YOUR TEXT</p></body></html>.
于 2009-09-21T19:02:35.193 回答