如何删除特定标签但保留允许的标签

Question

在某些 HTML 中，我想删除一些特定的标签，但保留标签的 contents/HTML。例如，在下面的行中，我想要删除列入黑名单的 <strong> 和 <div> 标签，但保留标签的内容，并单独保留我的白名单标签中的 <p>、<img> 和其他标签：

原文：

<div>
    some text
    <strong>text</strong>
    <p>other text</p>
    <img src="http://example.com" />
</div>

结果：

some text
text
<p>other text</p>
<img src="http://example.com" />

我想要剥离特定的标签，有些标签不能被剥离。它必须像 PHP 中的 strip_tags 一样工作。所以 inner_html 帮不了我。

Answer 1

使用Rails::Html::WhiteListSanitizer:

white_list_sanitizer = Rails::Html::WhiteListSanitizer.new
original = <<EOD
<div>
     some text
     <strong>text</strong>
     <p>other text</p>
     <img src="http://example.com" />
</div>
EOD

puts white_list_sanitizer.sanitize(original, tags: %w(p img))

输出：

some text
text
<p>other text</p>
<img src="http://example.com">

Answer 2

如果你只想使用 Nokogiri，你可以遍历节点以递归地删除所有不需要的标签：

def clean_node(node, whitelist)
  node.children.each do |n|
    clean_node(n, whitelist)
    unless whitelist.include?(n.name)
      n.before(n.children)
      n.remove
    end
  end
  node
end

def strip_tags(html, whitelist)
  whitelist += %w(text)
  node = Nokogiri::HTML(html).children.last
  clean_node(node, whitelist).inner_html
end

strip_tags函数将删除所有不在白名单中的标签。对于你的例子，你会做：

original = <<HTML
<div>
     some text
     <strong>text</strong>
     <p>other text</p>
     <img src="http://example.com" />
</div>
HTML

puts strip_tags(original, %w(p img))

输出为：

 some text
 text
 <p>other text</p>
 <img src="http://example.com">

Answer 3

我会这样做：

require 'nokogiri'

doc = Nokogiri::HTML(<<EOT)
<div>
    some text
    <strong>text</strong>
    <p>other text</p>
    <img src="http://example.com" />
</div>
EOT

BLACKLIST = %w[strong div]

doc.search(BLACKLIST.join(',')).each do |node|
  node.replace(node.children)
end

puts doc.to_html
# >> <!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.0 Transitional//EN" "http://www.w3.org/TR/REC-html40/loose.dtd">
# >> <html><body>
# >>     some text
# >>     text
# >>     <p>other text</p>
# >>     <img src="http://example.com">
# >> 
# >> </body></html>

基本上它在 BLACKLIST 中查找节点并在文档中的任何位置找到它们，用节点的 children 替换它们，有效地将子节点提升到它们的父节点。

Answer 4

您可以使用 xmp 标签来显示 HTML 个标签。

<div>
    some text
    <strong>text</strong>
    <xmp><p>other text</p>
    <img src="http://example.com" />
    </xmp>
</div>

HTML 元素 "xmp" 在不解释 HTML 的情况下呈现开始和结束标记之间的文本。

如何删除特定标签但保留允许的标签

How to remove specific tags but leave allowed tags

html

ruby

parsing

nokogiri