Analysieren eines HTML-Fragments, das einige benutzerdefinierte Tags auf die weiße Liste setzt

Question

Ich versuche, ein HTML-Fragment mit einem benutzerdefinierten HTML-Tag mit Nokogiri zu analysieren.

Beispiel:

string = "<div>hello</div>\n<custom-tag></custom-tag>" 

Ich habe versucht, es in vielerlei Hinsicht zu laden, aber keine ist optimal.

Wenn ich Nokogiri :: HTML:

doc = Nokogiri::HTML(string) 

Wenn ich to_html verwenden, es fügt einen doctype und einen html Tag, das den Inhalt umschließt. Es ist unerwünscht.

Wenn ich Nokogiri :: XML:

doc = Nokogiri::XML(string) 

ich Error at line 2: Extra content at the end of the document bekam, da in XML muss ein Root-Tag sein, dass alle Dokumentinhalt umschließt. Wenn ich versuche, wieder diesen Inhalt zu speichern, Der Ausgang ist <div>hello</div> (jeden Tag nach dem ersten entfernt)

Ich habe auch versucht doc = Nokogiri::HTML.fragment:

doc = Nokogiri::HTML.fragment(string) 

Aber es beschwert sich über die custom-tag.

Wie kann ich Nokogiri analysiert richtig mit diesem HTML-Fragmente?

Answer 1

doc = Nokogiri::HTML.fragment(string) ist der Weg zu gehen, können Sie ignorieren doc.errors beschweren sich über das ungültige Tag.

Sie sind gibt es ungültige HTML, so dass Sie nicht erwarten können, dass keine Fehler melden, aber HTML-Parser neigen dazu, zu vergeben.

Sie können auch Nokogiri::XML.fragment verwenden, wenn Sie den Rest davon sind sicher, wohlgeformt ist. Das gibt Ihnen keine Fehler bei undefinierten Tags.