URL 在用 Nokogiri 解析后被改变

Question

str = "<?xml version='1.0' encoding='utf-8'?><url>https://somehost?p1=v1&p2=v2</url>"
=> "<?xml version='1.0' encoding='utf-8'?><url>https://somehost?p1=v1&p2=v2</url>"

x = Nokogiri::XML(str)
=> #<Nokogiri::XML::Document:0x3fcaa893b900 name="document" children=[#<Nokogiri::XML::Element:0x3fcaa893b644 name="url" children=[#<Nokogiri::XML::Text:0x3fcaa893b48c "https://somehost?p1=v1=v2">]>]>

为什么要删除“&p2”？解析后？

Answer 1

这是因为在 XML/HTML 上下文中 & 具有特殊含义。你必须逃脱它：

<?xml version='1.0' encoding='utf-8'?><url>https://somehost?p1=v1&amp;p2=v2</url>

它正在将其解析为一个实体 &p2，它不是一个有效的实体，因此它被删除，留下 p1=v1=p2

URL 在用 Nokogiri 解析后被改变

URL is altered after parsing with Nokogiri

ruby

xml

parsing

nokogiri