ruby-on-rails - Rails - strip_tags - 没有捕捉到 DOCTYPE？

Question

给定一封 HTML 电子邮件，我使用以下内容来精简为文本：

  body = body.gsub(/\\r\\n?/, "\n");
  body = body.gsub(/\\n\\n?/, "\n");
  body = simple_format(body)
  body = strip_tags(body)

但我现在看到一个标签通过了这个：

<!DOCTYPE HTML PUBLIC \"-//W3C//DTD HTML 4.01 Transitional//EN\">

输出如下：

<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN">

任何想法为什么？

score 1 · Accepted Answer

我猜对于 strip_tags，它看起来已经被弃用了，它认为 doctype 语句既不是标签，也不是评论。您可以将其单独剥离：

string.gsub(/<!.*?$/,'')

score 1 · Accepted Answer

1

我最终使用 Hpricot 来发短信，效果很好

于 2011-03-24T19:20:33.190 回答

score 1 · Accepted Answer

我建议您使用Nokogiri来满足您的解析需求。它得到很好的支持，速度非常快，非常灵活，并且是许多其他 HTML/XML 类型 gem 的基础。它有一个 Hpricot 模式，虽然我不确定为什么有人会需要它，因为它的语法功能更全面。

特别是，要从 HTML 中去除标签，我建议查看Loofah。它可以将标签列入白名单，并且可以进行多层清理。

3 回答 3