提问人：jayp 提问时间：10/26/2021 最后编辑：ezkljayp 更新时间：10/27/2021 访问量：373
如何使用 Nokogiri 获取没有任何文本内容的完整 HTML
How to use Nokogiri to get the full HTML without any text content
问：
我正在尝试使用 Nokogiri 来获取页面的完整 HTML，但删除了所有文本。
我试过了这个：
require 'nokogiri'
x = "<html> <body> <div class='example'><span>Hello</span></div></body></html>"
y = Nokogiri::HTML.parse(x).xpath("//*[not(text())]").each { |a| a.children.remove }
puts y.to_s
这将输出：
<div class="example"></div>
我也尝试在没有零件的情况下运行它：children.remove
y = Nokogiri::HTML.parse(x).xpath("//*[not(text())]")
puts y.to_s
但后来我得到：
<div class="example"><span>Hello</span></div>
但我真正想要的是：
<html><body><div class='example'><span></span></div></body></html>
答：
1赞
ezkl
10/27/2021
#1
注意：这是一种非常激进的方法。标记（如 、 和 ）还具有包含 CSS、HTML 和 JS 的子节点，您可能不希望根据用例过滤掉这些子节点。<script><style><noscript>text()
如果对已分析的文档进行操作，而不是捕获迭代器的返回值，则可以删除文本节点，然后返回该文档：
require 'nokogiri'
html = "<html> <body> <div class='example'><span>Hello</span></div></body></html>"
# Parse HTML
doc = Nokogiri::HTML.parse(html)
puts doc.inner_html
# => "<html> <body> <div class=\"example\"><span>Hello</span></div>\n</body>\n</html>"
# Remove text nodes from parsed document
doc.xpath("//text()").each { |t| t.remove }
puts doc.inner_html
# => "<html><body><div class=\"example\"><span></span></div></body></html>"
评论
1赞
jayp
10/27/2021
谢谢你，@ezkl！这非常有帮助。很好奇，为什么你说这不是解决问题的好方法？
1赞
ezkl
10/27/2021
@jayp 我将更新我的答案，以反映这实际上取决于您的用例，但是如果您要将这种确切的方法应用于更复杂的网页，您最终会在功能标签（如 、 、 等）之间删除子文本节点。<style><script><noscript>
评论