Rimuovi commenti da inner_html

Question

Ho un codice che utilizza Nokogiri e sto cercando di ottenere il inner_html senza ottenere i commenti.

html = Nokogiri::HTML(open(@sql_scripts_url[1])) #using first value of the array 
html.css('td[class="ms-formbody"]').each do |node| 
    puts node.inner_html # prints comments 
end 

Answer 1

Dal momento che non hanno fornito alcun esempio HTML o di output desiderato, ecco una soluzione generale:

È possibile selezionare i commenti SGML in XPath utilizzando il test comment() nodo; puoi toglierli dal documento chiamando lo .remove su tutti i nodi di commento. Illustrato:

require 'nokogiri' 
doc = Nokogiri.XML('<r><b>hello</b> <!-- foo --> world</r>') 
p doc.inner_html      #=> "<b>hello</b> <!-- foo --> world" 
doc.xpath('//comment()').remove 
p doc.inner_html      #=> "<b>hello</b> world" 

Si noti che quanto sopra modifica il documento in modo distruttivo per rimuovere i commenti. Se si desidera mantenere il documento originale non modificato, si potrebbe in alternativa fare questo:

class Nokogiri::XML::Node 
    def inner_html_reject(xpath='.//comment()') 
    dup.tap{ |shadow| shadow.xpath(xpath).remove }.inner_html 
    end 
end 

doc = Nokogiri.XML('<r><b>hello</b> <!-- foo --> world</r>') 
p doc.inner_html_reject #=> "<r><b>hello</b> world</r>" 
p doc.inner_html  #=> "<r><b>hello</b> <!-- foo --> world</r>" 

Infine, ricordiamo che, se non è necessario il markup, solo chiedendo per il text sé non include commenti HTML:

p doc.text    #=> "hello world"